ISSN: 1745-7580
Hifzur Rahman Ansari
Hintergrund: Eine der größten Herausforderungen bei der Impfstoffentwicklung besteht darin, konformationelle B-Zell-Epitope in einem Antigen vorherzusagen. In der Vergangenheit wurden mehrere Methoden entwickelt, um konformationelle B-Zell-Epitope in einem Antigen anhand seiner Tertiärstruktur vorherzusagen. Dies ist der erste Versuch auf diesem Gebiet, konformationelle B-Zell-Epitope in einem Antigen anhand seiner Aminosäuresequenz vorherzusagen. Ergebnisse: Alle Support Vector Machine (SVM)-Modelle wurden an 187 nicht redundanten Proteinketten trainiert und getestet, die aus 2261 mit Antikörpern interagierenden Resten von B-Zell-Epitopen bestehen. Die Modelle wurden unter Verwendung des binären Profils von Mustern (BPP) und des physikochemischen Profils von Mustern (PPP) entwickelt und erreichten einen maximalen MCC von 0,22 bzw. 0,17. In dieser Studie wurde zum ersten Mal ein SVM-Modell unter Verwendung des Kompositionsprofils von Mustern (CPP) entwickelt und erreichte einen maximalen MCC von 0,73 mit einer Genauigkeit von 86,59 %. Wir vergleichen unser CPP-basiertes Modell mit bestehenden strukturbasierten Methoden und haben festgestellt, dass unser sequenzbasiertes Modell genauso gut ist wie strukturbasierte Methoden. Schlussfolgerung: Diese Studie zeigt, dass die Vorhersage konformationeller B-Zell-Epitope in einem Antigen anhand seiner Primärsequenz möglich ist. Diese Studie wird sehr nützlich sein, um konformationelle B-Zell-Epitope in Antigenen vorherzusagen, deren Tertiärstrukturen nicht verfügbar sind. Zur Vorhersage von B-Zell-Epitopen wurde ein Webserver CBTOPE entwickelt: http://www.imtech.res.in/raghava/cbtope/.