EpiBERTope:配列ベースの事前訓練BERTモデルは,長距離蛋白質相互作用を有効に学習することにより線形および構造的エピトープ予測を改善する【JST・京大機械翻訳】

Park, M.; Seo, S.-w.; Park, E.; Kim, J.

プレプリント

J-GLOBAL ID：202202221392417878 整理番号：22P0316537

EpiBERTope:配列ベースの事前訓練BERTモデルは,長距離蛋白質相互作用を有効に学習することにより線形および構造的エピトープ予測を改善する【JST・京大機械翻訳】

EpiBERTope: a sequence-based pre-trained BERT model improves linear and structural epitope prediction by learning long-distance protein interactions effectively

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月02日プレプリントサーバーでの情報更新日： 2022年03月02日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

モチベーションEpitopesは免疫応答を誘発する高度に特異的な方法で抗体により認識される抗原の免疫原性領域である。そのような領域を予測することは,体液性免疫原性の複雑なメカニズムに対して,非常に難しいが,まだ非常に困難である。結果:ここでは,Swiss-Prot蛋白質データベースに関する事前訓練モデルであるEpiBERTopeと呼ばれるBERTに基づくエピトープ予測モデルを提示し,蛋白質配列のみを用いて線形および構造エピトープの両方を予測することができた。モデルは,線形および構造エピトープデータセットに対して,それぞれ0.922および0.667のAUCを達成し,ランダムフォレスト,勾配ブースティング,ナイーブBayesおよびサポートベクトルマシンモデルを含むすべてのベンチマーク分類モデルより優れていた。結論として,EpiBERTopeは,抗原配列の内容に基づく全体的相互作用を捕捉する配列ベースのモデルであり,それは高い特異性でエピトープ発見で形質転換するであろう。接触ミニjun.park@スタンドギム.com.【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

抗原・抗体・補体の生化学 , ウイルスの生化学

, , , , , , , ,

前のページに戻る