NetMHCpan-4.0: Improved Peptide-MHC Class I Interaction Predictions Integrating Eluted Ligand and Peptide Binding Affinity Data.
NetMHCpan-4.0: Improved Peptide-MHC Class I Interaction Predictions Integrating Eluted Ligand and Peptide Binding Affinity Data.
复制标题
DOI：
10.4049/jimmunol.1700893
复制
发表时间：
2017-11-01
期刊：
影响因子：
--
通讯作者：
Nielsen M
中科院分区：
文献类型：
--
作者：
Jurtz V;Paul S;Andreatta M;Marcatili P;Peters B;Nielsen M
细胞毒性T细胞在免疫系统对疾病的反应中起着核心作用。它们通过与MHC(主要组织相容性复合体)I类分子呈现在细胞表面的多肽结合来识别缺陷细胞。多肽与MHC分子的结合是抗原递呈途径中最具选择性的一步。在寻找T细胞表位方面，与MHC分子结合的多肽的预测因此引起了人们的极大关注。在过去，多肽-MHC相互作用的预测者大多是根据结合亲和力数据进行训练的。最近，越来越多的MHC呈递多肽通过质谱学鉴定，包括递呈途径中的肽加工步骤和自然呈递多肽的长度分布的信息。在这里，我们提出了NetMHCpan4.0，一种基于结合亲和力和洗脱配体数据的训练方法，利用了这两种数据类型的信息。该方法的大规模基准测试表明，与最先进的方法相比，该方法在识别自然处理的配体、癌症新抗原和T细胞表位方面具有更高的预测性能。
Cytotoxic T cells are of central importance in the immune system’s response to disease. They recognize defective cells by binding to peptides presented on the cell surface by MHC (major histocompatibility complex) class I molecules. Peptide binding to MHC molecules is the single most selective step in the antigen presentation pathway. On the quest for T cell epitopes, the prediction of peptide binding to MHC molecules has therefore attracted large attention. In the past, predictors of peptide-MHC interaction have in most cases been trained on binding affinity data. Recently an increasing amount of MHC presented peptides identified by mass spectrometry has been published containing information about peptide processing steps in the presentation pathway and the length distribution of naturally presented peptides. Here, we present NetMHCpan-4.0, a method trained on both binding affinity and eluted ligand data leveraging the information from both data types. Large-scale benchmarking of the method demonstrates an increased predictive performance compared to state-of-the-art when it comes to identification of naturally processed ligands, cancer neoantigens, and T cell epitopes.
登录
查看更多内容
影响因子：
12.3
作者：
Nielsen M;Andreatta M
通讯作者：
Andreatta M
DOI：
10.4049/jimmunol.1302101
发表时间：
2013-12-15
期刊：
Journal of immunology (Baltimore, Md. : 1950)
影响因子：
--
作者：
Paul S;Weiskopf D;Angelo MA;Sidney J;Peters B;Sette A
通讯作者：
Sette A
Nnalign：构建和评估受体配体相互作用的人工神经网络模型的平台。
影响因子：
14.9
作者：
Nielsen M;Andreatta M
通讯作者：
Andreatta M
影响因子：
32.4
作者：
Abelin JG;Keskin DB;Sarkizova S;Hartigan CR;Zhang W;Sidney J;Stevens J;Lane W;Zhang GL;Eisenhaure TM;Clauser KR;Hacohen N;Rooney MS;Carr SA;Wu CJ
通讯作者：
Wu CJ
影响因子：
3.7
作者：
Nielsen M;Lundegaard C;Blicher T;Lamberth K;Harndahl M;Justesen S;Røder G;Peters B;Sette A;Lund O;Buus S
通讯作者：
Buus S