以深度學習演算法進行過敏原預測及免疫球蛋白E抗原頂位辨識之電腦輔助疫苗設計研究

抗原頂位疫苗設計已成為包含過敏和癌症在內疾病之有效治療方法，然而如何有效啟動抗發炎反應取決於T細胞抗原頂位是否能被成功辨識。在過敏原進入體內後，這些過敏性蛋白質必須先被抗原呈現細胞辨識後再被運送到內質網，最後與主要組織相容性複合體分子結合，並一同被運送到抗原呈現分子細胞膜上，呈現給T細胞受體並接著啟動B細胞。雖近年來已有過敏原預測和抗原決定位之相關預測研究，然而這些方法針對陽性預測值過低和辨識出之生物特徵無法解讀這兩大問題，仍無法提出有效之改善方法。因此，如何根據蛋白質序列來發展改善過敏原預測和免疫球蛋白E抗原決定位辨識方法，儼然已成為設計抗原頂位疫苗之重要因素。在本計畫中，我們首先改善過敏原蛋白質和免疫球蛋白抗原頂位辨識，並提出結合深度學習演算法之系統性預測方法。此研究將能協助生物學家開發預防性和治療性疫苗，以治療如登革熱、流行性感冒和人類免疫缺陷病毒等疾病。此外，本計畫之研究成果可針對癌症、過敏和自體免疫系統等疾病之免疫療法提出轉譯生物資訊學之寶貴生物特徵和見解。在第一年計畫，本研究將發展提高過敏原蛋白之預測方法，特別針對與已知過敏原有較低序列相似度之蛋白質。我們先收集現有文獻和資料庫中之過敏原，經前處理過濾後建立最新又完整之標準資料集。接著擷取序列偏好、演化資訊和含結構穩定度之最佳物理化學特質，再經所提出之新穎機制進行編碼。將編碼後之特徵，放入包含卷積神經網路和遞歸神經網路之深度學習演算法來提高預測表現。最後本研究所提出之可解釋生物意義，將由免疫學者，進行驗證以作為疫苗設計之參考。在第二年計畫，將根據第一年所分析之過敏原蛋白質，進而發展辨識其免疫球蛋白E抗原頂位及過敏原間交叉反應之系統性研究方法。首先我們將提出免疫球蛋白E抗原頂位預測方法，進而延伸之前所開發之BeePro線性和構象抗原頂位預測方法，針對特定能與免疫球蛋白E結合之抗原頂位提出預測分析。接著以所辨識出之抗原頂位，進而探討不同過敏原間之交叉反應研究。近期之免疫療法研究也證實，根據青草花粉過敏原所開發之低過敏性疫苗已可有效誘發對抗B型肝炎感染之抗體反應。最後，本計畫將利用此過敏原預測和抗原決定位之辨識結果，來設計低過敏性蛋白質並致力於精準醫學中之抗原疫苗設計。