استفاده از خواص فیزیکی-شیمیایی آمینواسیدها در پیش بینی باندشدن پپتید آنتیژنی به مولکول І کلاس MHC

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 759

نسخه کامل این Paper ارائه نشده است و در دسترس نمی باشد

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

IBIS04_025

تاریخ نمایه سازی: 14 شهریور 1393

Abstract:

پپتیدهایی که به مولکولهای سازگار بافتی (MHC) باند شده و منجر به بروز پاسخ ایمنی میشوند، اپیتوپ های سلول T نامیده می شوند. شناسایی این پپتیدها در فهم پاتوژنر بیماری ها، طراحی واکسن و ایمنی درمانی مهم میباشد. از آنجایی که آزمایشات مورد نیاز برای شناسایی این پپتیدها، پرهزینه و زمان بر می باشند، توسعه ی روشهای محاسباتی به منظور پیشبینی پپتیدهایباندشونده به مولکول MHC، ضروری است. بدین منظور در این مطالعه، روشی برای پیش بینی پپتیدهای باندشونده به مولکول های MHC کلاس І پیشنهاد داده ایم که مبتنی بر توصیف خواص فیزیکی-شیمیایی آمینواسیدها است. این بردارهای واصف نتیجه ی اعمال تکنیک آنالیز اجزای اصلی (PCA) بر 237 ویژگی فیزیک ی-شیمیایی آمینواسیدها که ازAAIndex به دست آمده اند،می باشند. در این کار، تمامی آمینواسیدهای واقع در دنباله های پپتیدی، با این بردارها، کدگذاری شدند. از آنجایی که داد ه های مورد استفاده در این کار، نامتوازن میباشند، از تکنیک افزایش نمونه کلاس اقلیت به روش ساختگی (SMOTE) به عنوان یک مرحله ی پیش پردازش جهت افزایش نمونه های کلاس اقلیت و ایجاد توازن در توزیع کلا سها، استفاده شده است. در نهایت، روش به عنوان پیش بینی کننده به کار رفته است. روش پیشنهادی، برای پیش بینی پپتیدهای باندشونده به21 الل مختلف از مولکولهای MHC کلاس I مورد استفاده قرار گرفته و کارایی پیش بینی کننده، توسط5-Fold cross-validation ارزیابی شده است. هم چنین سطح زیر منحنی ROC به عنوان معیاری برای مقایسه ی نتایج به دست آمده، با نتایج مربوط به سه روش قبلی، شامل یک روش مبتنی بر شبکه عصبی و دو روش مبتنی بر ماتریس، استفاده شد. در تمامی موارد، عملکرد روش پیشنهادی در مقایسه با روش های قبلی، بهتر بوده است. علاوه بر آن، به علت وجود الگوهای دنبالهای مشترک در اپی توپهای سلول T، روش های مبتنی بر موتیف نظیر ماتریس امتیاز برمبنای موقعیت (PSSM) نیز می توانند عمل کرد مطلوبی در پیش بینی اینپپتیدها داشته باشند. ما به منظور بررسی این موضوع، عملکرد روش PSSM را با روش پیشنهادی در مورد اللHLA-A*0101 مورد مقایسه قرار داده ایم. نتایج به دست آمده نشان می دهند که با کاهش تعداد داده ها، کارایی روش PSSM نیز کاهش مییابددرحالی که تغییر ناچیزی را در عملکرد روش پیشنهادی، میتوان مشاهده نمود.

Authors

فاطمه کاظمی فرامرزی

دانشجوی کارشناسی ارشد گروه مهندسی پزشکی، دانشکدهی فنی و مهندسی، دانشگاه اصفهان

مجید محمد بیگی

عضو هیئت علمی گروه مهندسی پزشکی ،دانشکدهی فنی و مهندسی، دانشگاه اصفهان

حسن محبتکار

عضو هیئت علمی گروه بیوتکنولوژی، دانشکدهی علوم و فناوریهای نوین، دانشگاه اصفهان