T細胞抗原決定位辨識之主要組織相容性複合體結合及抗原處理預測(2/2)

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，我們改善過敏原蛋白質，並提出結合機器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。 在此兩年期計畫中，於第一年期中報告已針對人類免疫缺乏病毒類型一(HIV-1)蛋白酵素切割位點預測分析之研究成果進行描述；第二年期末報告中，本研究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。接著擷取胺基酸組成、雙胜肽組成和虛擬胺基酸組成已捕捉物理化學特質，再經計算機制進行編碼。將編碼後之特徵，放入包含決策樹、羅吉斯迴歸和類神經網路之機器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，可由免疫學者，進行驗證以作為疫苗設計之參考。 此計畫中，本研究將致力於發展免疫生物資訊預測系統，並提出重要且有意義之生物特徵給免疫學家進行抗原決定位分析，進而對轉譯生物資訊學之抗原疫苗設計開發有所貢獻。