Cancer3.AIAI w onkologiiModele AI › MixMHCpred 3.0
Model do zadania Otwarte wagi Tylko do badań immunopeptidomics

MixMHCpred 3.0 3.0

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.

W skrócie

TwórcaGfeller lab, Ludwig Institute for Cancer Research / University of Lausanne
Wersja3.0
Wydanie2025-03-19
Licencjafree for academic use (see repository terms)
DostępnośćOtwarte wagi
RodzajModel do zadania
Status regulacyjnyTylko do badań

Co robi

Ocenia peptyd, sumując preferencje allelu dla poszczególnych pozycji. Towarzyszące narzędzie MixMHCp rozwiązuje dane wieloalleliczne przed treningiem: dopasowuje kilka motywów do mieszaniny i przypisuje motyw do allelu na podstawie współwystępowania alleli u różnych dawców.

Ważne zastosowania w onkologii

Sztuczka MixMHCp — jeśli dwie próbki mają wspólny dokładnie jeden allel, to motyw obecny w obu musi pochodzić od niego — pozwoliła opisać wiele motywów bez budowania linii monoallelicznej.

Zadania, typy danych i nowotwory

NowotwórWiele nowotworów
Wejściepeptide + 34-residue groove sequence (3.0)
Wyjściescore and %Rank

Architektura

Rodzinaposition weight matrices; 3.0 is a hybrid where a network predicts the matrix

A separate model per peptide length instead of alignment search. The independence assumption a PWM must make is close to true here, which is why such a simple model competes with neural networks.

Dane treningowe

Immunopeptydomika jedno- i wieloalleliczna, ta druga rozplątana przez MixMHCp przed treningiem.

Powiązane zbiory danych

Ewaluacja

Benchmark / zbiórMiaraWartośćWalidacja zewnętrznaŹródło
cross-allele and cross-species ligand prediction AUC / PPV competitive with NetMHCpan-4.1; authors caution that AUC up to 0.95 is achievable even with fairly unspecific motifs on random decoys tak Źródło

Jak uruchomić

Bibliotekastandalone C/Python (repo)

Clone the repo and compile; MixMHCp is a separate tool for motif deconvolution of your own immunopeptidomics data.

Status regulacyjny i przeznaczenie

Status regulacyjnyTylko do badań
PrzeznaczenieOprogramowanie badawcze.

Źródło →

Status regulacyjny cytujemy ze wskazanego źródła i może się zmienić. Modele „tylko do badań” nie służą do decyzji klinicznych.

Ograniczenia i błędy systematyczne

  • Macierze pozycyjne nie wyrażają zależności między pozycjami; tam, gdzie one działają (część przypadków klasy II), model jest na nie strukturalnie ślepy.
  • Przypisanie motywu do allelu przez współwystępowanie wymaga zróżnicowanego panelu dawców.

Źródła

  1. Tadros DM, Racle J, Gfeller D. Predicting MHC-I ligands across alleles and species. Genome Med 2025
  2. Bassani-Sternberg M et al. Deciphering HLA-I motifs across HLA peptidomes. PLoS Comput Biol 2017
  3. cancer3.ai — Trzydzieści cztery litery zamka

Ta strona ma charakter edukacyjny — nie stanowi porady medycznej i nie zastępuje konsultacji z onkologiem. Decyzje diagnostyczne i terapeutyczne podejmuje wyłącznie lekarz specjalista.