Полное описание

Гребенкин, И. В. Применение ансамбля нейросетей и методов статистической механики для предсказания связывания пептида с главным комплексом гитосовместимости / И. В. Гребенкин, А. Е. Алексеенко, Н. А. Гайворонский, М. Г. Игнатов [и др.]. - Текст : непосредственный // Компьютерные исследования и моделирование : журнал. - 2020. - Т. 12, N 6. - С. 1383-1395. - Библиогр. в конце ст. - ISSN 2076-7633.

ГРНТИ	УДК
28.23.37	004.032.26

Рубрики:
Нейронные сети -- Применение
Генетическая инженерия

Кл.слова (ненормированные): машинное обучение -- модель Поттса
Аннотация: Белки главного комплекса гистосовместимости (ГКГС) играют ключевую роль в работе адаптивной иммунной системы, и определение связывающихся с ними пептидов - важный шаг в разработке вакцин и понимании механизмов аутоиммунных заболеваний. На сегодняшний день существует ряд методов для предсказания связывания определенной аллели ГКГС с пептидом. Одним из лучших таких методов является NetMHCpan-4.0, основанный на ансамбле искусственных нейронных сетей. В данной работе представлена методология качественного улучшения архитектуры нейронной сети, лежащей в основе NetMHCpan-4.0. Предлагаемый метод использует технику построения ансамбля и добавляет в качестве входных данных оценку модели Поттса, взятой из статистической механики и являющейся обобщением модели Изинга. В общем случае модель отражает взаимодействие спинов в кристаллической решетке. Применительно к задаче белок-пептидного взаимодействия вместо спинов используются типы аминокислот, находящихся в кармане связывания. В предлагаемом методе модель Поттса используется для более всестороннего представления физической природы взаимодействия полипептидных цепей, входящих в состав комплекса. Для оценки взаимодействия комплекса «ГКГС + пептид» нами используется двумерная модель Поттса с 20 состояниями (соответствующими основным аминокислотам). Решая обратную задачу с использованием данных об экспериментально подтвержденных взаимодействующих парах, мы получаем значения параметров модели Поттса, которые затем применяем для оценки новой пары «ГКГС + пептид», и дополняем этим значением входные данные нейронной сети. Такой подход, в сочетании с техникой построения ансамбля, позволяет улучшить точность предсказания, по метрике положительной прогностической значимости (PPV), по сравнению с базовой моделью.
Доп. точки доступа:
Алексеенко, А. Е.
Гайворонский, Н. А.
Игнатов, М. Г.
Казеннов, А. М.
Козаков, Д. В.
Кулагин, А. П.
Холодов, Я.А.


Нет сведений об экземплярах
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -613558-822026)

Шифр в сводном ЭК: 47322b8679cb9318140fd5ee458ece51

Заказать
Заказ фрагмента документа ₽