基于机器学习的高精度B细胞表位预测模型研究

B 细胞表位预测是计算机辅助疫苗设计的重要研究内容之一，本项目探讨如何使用机器学习方法建立高精度B 细胞表位预测模型。本项目针对线性表位预测和构象表位预测展开，主要包括三个方面的研究内容：①在线性表位方面，研究机器学习框架下不等长线性表位的学习问题，克服现有模型的不足；②在基于结构的构象表位预测方面，分析影响现有方法精度的可能因素，研究包括表位与非表位不均衡问题、构象表位空间邻域表达问题、表位相关多特征融合问题，提出相应的解决方案，从而将预测精度提高到较为理想的水平；③尝试开展基于序列的构象表位预测的研究工作，挖掘序列上构象表位的分布规律，建立较为可靠的预测模型。本项目的最终目标是构建一个完整并且高精度的B 细胞表位预测系统。本项目的研究有望对疫苗和药物设计与开发，尤其是表位疫苗、治疗性疫苗和抗体药物的设计研制提供有效指导，从而节约大量的研究经费并加快疫苗的研制进程。

本项目探讨如何使用机器学习方法建立高精度B 细胞表位预测模型，针对线性表位预测和构象表位预测开展三个方面的研究工作：①在线性表位方面，我们引入了若干能够将不等长序列转化为等长数值向量的编码方法，建立了高精度的预测模型，解决了不等长线性表位的学习问题；②在基于结构的构象表位预测方面，提出了表位与非表位不均衡的处理方案，设计了代表构象表位空间邻域的新特征，从而建立了高精度的机器学习模型；③尝试开展基于序列的构象表位预测的研究工作，挖掘序列上构象表位的分布规律，筛选了与表位最为相关的结构和序列特征，并使用集成学习方法融合多特征，建立较为可靠的预测模型。此外，我们对项目后续工作开展了研究，探讨了能够激活免疫的表位，即免疫表位，设计基于集成学习的模型从表位中识别免疫表位。