校園訊息

焦點新聞

更新日期:110年11月25日

利用深度學習剖析人類白血球抗原之各種等位基因辨識抗原的差異

計算與系統生物學研究中心副主任陳倩瑜老師(生物資源暨農學院生物機電工程學系)領導研究團隊與臺灣人工智慧實驗室合作,團隊成員包括中心主任阮雪芬老師(生命科學院生命科學系)與中央研究院資訊科學所蔡懷寬研究員,利用深度神經網路對第一類MHC蛋白質(MHC class I,MHC-I)會結合進而表現的胜肽序列特徵進行學習,研究成果近期發表於Nature出版的期刊Communications Biology,所開發的工具MHCfovea (https://mhcfovea.ailabs.tw/),將人類對各種等位基因的瞭解,從原先有實驗數據的150種,擴充到13,008種,展示深度學習在多體學大數據能扮演的關鍵角色。

MHC-I在人類身體中的功能,是負責辨識特定的胜肽序列片段(peptide),然後一起移動到細胞膜上,讓T細胞知道可能有因為感染所產生的外來抗原,或是因為癌症所產生的新生抗原。舉例來說,新冠病毒入侵人體後,會利用人類的細胞製造病毒蛋白,這些蛋白質的片段就有可能被 MHC-I辨識,進而通知T細胞啟動免疫反應。MHCfovea首先利用150種有實驗數據的等位基因進行深度學習,再用所建立的模型預測其他12,858種等位基因所辨識的序列,並將所得到的序列特徵進行分群整理,歸納出32個等位基因的重要胺基酸與其結合特徵(motif)的配對關係。

MHCfovea共使用395,581筆實驗數據,搭配超過2千萬條的人類蛋白質序列片段來增加負樣本的數量,每一筆資料包含一條長度為182的蛋白質序列和一段長度為8~15的胺基酸片段,用來訓練深度學習模型。為了解決正負樣本比例懸殊的問題,MHCfovea運用降低取樣 (down-sampling) 的技術,先將負樣本切分成多組資料,每一組都搭配相同的正樣本建立預測模型,最後再用整合學習 (ensemble learning) 的概念將預測結果整合。MHCfovea比起現有的其他預測工具提供更精準的預測結果,涵蓋更多的等位基因,預期能有效幫助研究人員在抗原分析與疫苗設計時將不同等位基因特性納入考量,達到精準標的或個人化治療之終極目標。

Communications Biology 研究成果全文:https://www.nature.com/articles/s42003-021-02716-8

  • 圖1

    利用深度學習剖析人類白血球抗原之各種等位基因辨識抗原的差異

當期焦點

facebook twitter plurk 友善列印
回到頂端
友情链接:韩国三级片大全在线观看-大香蕉在线影院-韩国三级片-香港经典三级  夜夜骑  欧美性交-欧美av电影-欧美a级片-日本一级特黄大片大全  琪琪色影院  丁香五月开心婷婷综合-丁香五月婷婷-丁香五月啪啪  男人天堂影院  夜夜骑综合  一夜七次郎最新网站-人人摸人人干-99国产在线-看黄色一级片  日本电影100禁在线看  韩国三级电影网站  一夜七次郎最新网站-人人摸人人干-99国产在线-看黄色一级片  欧美视频毛片在线播放  青娱乐网站  老鸭窝视频在线观看  第一福利社区  夫妻性生活影片  爱播速影院app  大香蕉  飘花手机版  台湾佬电影网  欧美成人网站  免费在线观看的黄片-香港经典三级-a片毛片免费观看-夫妻性生活影片  爱爱视频在线观看  韩国三级片  第一福利社区  奇米第四色在线影院  日本毛片高清免费视频-av小次郎收藏家-日本阿v片在线播放免费  韩国三级电影网站  免费看成年人视频大全-免费三级现频在线观看-亚洲人成视频在线播放  大香蕉