AI w onkologii · Modele AI

Model prezentacji trenowany na peptydomie monoallelicznym 95 linii komórkowych — 186 464 peptydy dla 95 alleli HLA, z czego piętnaście nie miało wcześniej opisanego motywu — czyli na zbiorze, który zmienił tę dziedzinę bardziej niż jakikolwiek pomysł architektoniczny.

Otwartoźródłowy pan-alleliczny model prezentacji, którego wyróżnikiem jest osobny model przetwarzania antygenu: czyta peptyd razem z piętnastoma aminokwasami kontekstu po każdej stronie, bo cięcie proteasomem zależy od tego, co leży wokół miejsca cięcia.

Sieci LSTM osobne dla każdego allelu — 148 dla klasy I — czytające peptyd litera po literze, więc bez wyrównywania i dopełniania; trenowane przez uczenie transferowe od allelu najbogatszego w dane.

Model oparty na macierzach pozycyjnych, zbudowany na spostrzeżeniu, że ligandy klasy I niemal nie wykazują zależności między pozycjami; wersja 3.0 zatacza koło, bo macierz przewiduje sieć neuronowa z tych samych 34 aminokwasów rowka.

Odpowiednik NetMHCpan dla klasy II, wydany w tej samej publikacji: przewiduje prezentację przez HLA-DR, -DQ i -DP, których rowek jest otwarty z obu końców, więc peptydy są dłuższe, a rdzeń wiążący trzeba znaleźć wewnątrz dłuższej sekwencji.

Referencyjny pan-alleliczny model prezentacji antygenu przez MHC klasy I: jedna niewielka sieć obsługuje ponad 11 000 cząsteczek MHC, bo opis rowka jest częścią wejścia — 34-literowa pseudosekwencja obok peptydu.