L'identificazione dei peptidi leganti il complesso maggiore di istocompatibilità (MHC) è un passo importante nella selezione dei candidati epitopi delle cellule T adatti all'uso nei nuovi vaccini. La scanalatura di legame della molecola MHC di classe II è aperta su entrambi i lati, il che consente un'elevata variabilità nella lunghezza dei peptidi che si legano a questa molecola e, di conseguenza, complica la previsione del motivo centrale di legame. Un approccio computazionale accurato ed efficiente per la previsione di tali peptidi può ridurre notevolmente il tempo e i costi necessari per la progettazione di nuovi vaccini. EpiGASVM, un nuovo approccio per la previsione in silico degli epitopi MHC di classe II, è stato sviluppato combinando algoritmi genetici e macchine a vettori di supporto. Nove varianti di EpiGASVM sono state applicate a due set di dati di riferimento a similarità ridotta. L'accuratezza della previsione e l'area sotto la curva caratteristica operativa del ricevitore sono state calcolate come misure di prestazione. La tecnica è stata confrontata con alcune tecniche all'avanguardia in questo settore (ad esempio ARB, SMM-Align, PROPRED, NN-Align). I risultati mostrano che EpiGASVM è una nuova tecnica promettente per la soluzione del problema della previsione degli epitopi MHC di classe II.
By:
Amr Badr, Emad Nabil Imprint: Edizioni Sapienza Dimensions:
Height: 229mm,
Width: 152mm,
Spine: 6mm
Weight: 141g ISBN:9786209598050 ISBN 10: 6209598056 Pages: 96 Publication Date:31 January 2026 Audience:
General/trade
,
ELT Advanced
Format:Paperback Publisher's Status: Active