A identificação de peptídeos de ligação ao Complexo Principal de Histocompatibilidade (MHC) é um passo importante na seleção de candidatos a epítopos de células T adequados para uso em novas vacinas. A ranhura de ligação da molécula MHC Classe II é aberta em ambos os lados, o que permite uma alta variabilidade no comprimento dos peptídeos que se ligam a essa molécula e, consequentemente, complica a previsão do motivo central de ligação. Uma abordagem computacional precisa e eficiente para a previsão desses peptídeos pode reduzir significativamente o tempo e o custo necessários para o desenvolvimento de novas vacinas. O EpiGASVM, uma nova abordagem para a previsão in silico de epítopos MHC Classe II, foi desenvolvido combinando Algoritmos Genéticos e Máquinas de Vetor de Suporte. Nove variações do EpiGASVM foram aplicadas a dois conjuntos de dados de referência com similaridade reduzida. A precisão da previsão e a área sob a curva característica de operação do recetor foram calculadas como medidas de desempenho. A técnica é comparada com algumas técnicas de ponta nesta área (por exemplo, ARB, SMM-Align, PROPRED, NN-Align). Os resultados mostram que o EpiGASVM é uma nova técnica promissora para a solução do problema de previsão de epítopos MHC Classe II.
By:
Amr Badr, Emad Nabil Imprint: Edicoes Nosso Conhecimento Dimensions:
Height: 229mm,
Width: 152mm,
Spine: 6mm
Weight: 136g ISBN:9786209503344 ISBN 10: 6209503349 Pages: 92 Publication Date:31 January 2026 Audience:
General/trade
,
ELT Advanced
Format:Paperback Publisher's Status: Active