摘要 我們提出了一種預測方法，可以模擬高等脊椎動物抗原呈現的一個重要步驟，即涉及將多肽蛋白酶體降解成具有

本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。

原文連結

• SFI 頁面

論文資訊

• 類型：已發表論文
• 日期：2022-09-02

摘要

我們提出了一種預測方法，可以模擬高等脊椎動物抗原呈現的一個重要步驟，即涉及將多肽蛋白酶體降解成具有與 MHC I 類分子結合潛力的片段的步驟。迄今為止發表的蛋白酶體裂解預測演算法是根據使用組成型蛋白酶體的體外消化實驗的數據進行訓練的。因此，他們沒有考慮到在生理條件下受γ-幹擾素刺激的細胞中發現的結構修飾蛋白酶體（通常稱為免疫蛋白酶體）的特徵。我們的演算法不僅接受了體外資料的訓練，還接受了 MHC I 類配體資料的訓練，這反映了免疫蛋白酶體和組成型蛋白酶體特異性的組合。這項特徵與神經網路這種非線性分類技術的使用一起，使得 MHC I 類配體邊界的預測更加準確：正確確定了 65% 的切割位點和 85% 的非切割位點。此外，我們表明，在組成型蛋白酶體資料上訓練的神經網路學習到的特異性不同於在 MHC I 類配體上訓練的網路的特異性，即免疫蛋白酶體的特異性與組成型蛋白酶體不同。本研究開發的工具與 MHC 和 TAP 結合能力的預測因子結合，應該能夠更完整地預測 MHC I 類分子上勝肽的生成和呈現。在這裡，我們證明這種方法可以準確預測 HIV Nef 中的 CTL 抗原決定位。此方法可在 www.cbs.dtu.dk/services/NetChop/ 上找到。