基于深度最大输出网络的抗体种型特异性B细胞表位预测（英文）

B细胞表位研究有助于肽段疫苗研制,抗体研制以及疾病诊断和治疗研究。不同的B细胞表位诱导免疫系统产生不同的抗体种型,探索研究能够诱导特异性抗体产生的B细胞表位具有重要意义。基于二肽组成特征,利用深度最大输出网络算法训练构建三个二类分类器,分别对应诱导三种不同特异性抗体的B细胞表位,即Ig A表位,Ig E表位以及Ig G表位。通过五折交叉验证训练和测试这三个分类器,获得AUC的值分别为0.78,0.93以及0.78。Ig A表位和Ig E表位分类器的预测能力优于其它Ig A表位和Ig E表位分类器,Ig G表位分类器和其它Ig G表位分类器的预测能力相当。

BCESCP:基于多类支持向量机的B细胞表位亚类分类研究（英文）

目的:根据诱导的特异性抗体种型,B细胞表位被分成不同的亚类。探索表位多类亚类之间的区别非常重要,能促进揭示免疫系统为什么会针对不同的表位产生特异性抗体应答。基于多类支持向量机,发展一个能区分多类表位亚类并且能预测B细胞表位的亚类类别的模型。方法:训练模型的数据集来源于免疫表位数据库,数据集包含4类数据,对应4种B细胞表位亚类:Ig A表位,Ig E表位,Ig G表位以及Ig M表位。通过5折交叉验证,分别探索氨基酸组成特征,quasi-序列顺序特征以及二肽组成特征区分表位多类亚类的能力。结果:实验结果表明二肽组成特征的区分性能最好,整体准确率为61.58%,应用此多类分类模型,开发了一个名为BCESCP的免费使用的B细胞表位的亚类类别预测服务器,BCESCP可以通过如下地址访问:http://www.bioinfo.tsinghua.edu.cn/epitope/BCESCP/。