学位论文 > 优秀研究生学位论文题录展示

基于ISC-SVR方法预测Th细胞表位

作　者: 于畅宇
导　师: 刘伟
学　校: 大连理工大学
专　业: 生物物理学
关键词: T细胞表位外源性抗原 MHC Ⅱ类分子支持向量回归机
分类号: R392
类　型: 硕士论文
年　份: 2013年
下　载: 3次
引　用: 0次
阅　读: 论文下载

内容摘要

外源性抗原蛋白被抗原提呈细胞(APC)摄取送入溶酶体中被降解为长度不一的肽段。在HLA-DM分子辅助下,MHCⅡ类分子相关恒定链多肽(CLIP)从MHCⅡ类分子的肽结合槽解离,使得外源性抗原降解的肽段进入MHCⅡ类分子空的肽结合槽中,形成稳定的抗原肽-MHC Ⅱ类分子复合物。之后再被提呈到APC细胞表面供CD4+Th细胞的TCR识别,激活Th细胞分泌细胞因子,促进CTL细胞特异性杀伤靶细胞或辅助B细胞产生抗体。Th细胞的活化对机体的细胞免疫和体液免疫功能都有重要的辅助作用。本文基于迭代自洽策略与支持向量回归机(ISC-SVR)方法建立了MHCⅡ类分子与外源性抗原肽结合亲合力预测模型,采用13mer扩展核心结合序列可以提高预测模型的性能,分别按照均值法、最大值法、结合法、加权平均值法4种方法计算MHCⅡ类分子与抗原肽的结合亲合力值。本文对17种MHCⅡ类分子配型进行了回归分析,与其他预测模型相比较,本文模型都得到了最佳AUC值。最后,以HLA DRB1*0101分子为例,分析讨论了MHCⅡ类分子与抗原肽的结合特异性。

全文目录

摘要  4-5
Abstract  5-8
引言  8-9
1 文献综述  9-14
  1.1 免疫系统  9
  1.2 免疫应答  9
  1.3 T细胞介导的细胞免疫  9-13
  1.4 研究现况  13-14
2 材料与方法  14-19
  2.1 样本数据集的获取  14
  2.2 13mer扩展核心结合序列的选取  14-16
  2.3 氨基酸编码  16-19
3 支持向量机  19-34
  3.1 机器学习与经验风险最小化  19
  3.2 统计学习理论  19-21
    3.2.1 VC维  19-20
    3.2.2 推广性的界  20
    3.2.3 结构风险最小化  20-21
  3.3 支持向量分类机  21-27
  3.4 支持向量回归机  27-31
  3.5 序列最小最优化算法  31-34
4 ISC-SVR方法  34-37
  4.1 迭代自洽策略  34
  4.2 预测结合亲和力的四种方法  34-35
  4.3 ISC-SVR方法实现流程  35-37
5 结果与讨论  37-45
  5.1 预测模型的评价指标  37
  5.2 预测模型评估结果  37-42
  5.3 预测模型的特异性分析  42-45
结论  45-46
参考文献  46-50
附录A Karush-Kuhn-Tucker条件  50-51
攻读硕士学位期间发表学术论文情况  51-52
致谢  52-53

基于ISC-SVR方法预测Th细胞表位

内容摘要

全文目录

相似论文