Identyfikacja peptydów wiążących się z glównym kompleksem zgodności tkankowej (MHC) jest ważnym krokiem w wyborze kandydatów na epitopy komórek T, które nadają się do wykorzystania w nowych szczepionkach. Rowek wiązania cząsteczki MHC klasy II jest otwarty po obu stronach, co pozwala na dużą zmiennośc dlugości peptydów wiążących się z tą cząsteczką, a w konsekwencji utrudnia przewidywanie motywu rdzenia wiązania. Dokladne i wydajne podejście obliczeniowe do przewidywania takich peptydów może znacznie skrócic czas i obniżyc koszty związane z projektowaniem nowych szczepionek. EpiGASVM, nowe podejście do komputerowego przewidywania epitopów MHC klasy II, zostalo opracowane poprzez polączenie algorytmów genetycznych i maszyn wektorów nośnych. Dziewięc wariantów EpiGASVM zastosowano do dwóch zestawów danych porównawczych o zmniejszonym podobieństwie. Dokladnośc przewidywania i obszar pod krzywą charakterystyki operacyjnej odbiornika zostaly obliczone jako miary wydajności. Technika ta zostala porównana z niektórymi najnowocześniejszymi technikami w tej dziedzinie (np. ARB, SMM-Align, PROPRED, NN-Align). Wyniki pokazują, że EpiGASVM jest obiecującą nową techniką rozwiązywania problemu przewidywania epitopów MHC klasy II.
By:
Amr Badr, Emad Nabil Imprint: Wydawnictwo Nasza Wiedza Dimensions:
Height: 229mm,
Width: 152mm,
Spine: 6mm
Weight: 136g ISBN:9786209500787 ISBN 10: 6209500781 Pages: 92 Publication Date:31 January 2026 Audience:
General/trade
,
ELT Advanced
Format:Paperback Publisher's Status: Active