The interdependence of machine learning and LC-MS approaches for an unbiased understanding of the cellular immunopeptidome

计算生物学 生物信息学 主要组织相容性复合体 计算机科学 药物发现 人工智能 抗原 数据科学 生物信息学 生物 免疫学 遗传学 基因
作者
Morten Nielsen,Nicola Ternette,Carolina Barra
出处
期刊:Expert Review of Proteomics [Informa]
卷期号:19 (2): 77-88 被引量:3
标识
DOI:10.1080/14789450.2022.2064278
摘要

The comprehensive collection of peptides presented by major histocompatibility complex (MHC) molecules on the cell surface is collectively known as the immunopeptidome. The analysis and interpretation of such data sets holds great promise for furthering our understanding of basic immunology and adaptive immune activation and regulation, and for direct rational discovery of T cell antigens and the design of T-cell-based therapeutics and vaccines. These applications are, however, challenged by the complex nature of immunopeptidome data.Here, we describe the benefits and shortcomings of applying liquid chromatography-tandem mass spectrometry (MS) to obtain large-scale immunopeptidome data sets and illustrate how the accurate analysis and optimal interpretation of such data is reliant on the availability of refined and highly optimized machine learning approaches.Further, we demonstrate how the accuracy of immunoinformatics prediction methods within the field of MHC antigen presentation has benefited greatly from the availability of MS-immunopeptidomics data, and exemplify how optimal antigen discovery is best performed in a synergistic combination of MS experiments and such in silico models trained on large-scale immunopeptidomics data.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
3秒前
荼柒完成签到,获得积分10
4秒前
6秒前
7秒前
毛毛猫发布了新的文献求助10
7秒前
10秒前
完美世界应助周一斩采纳,获得10
10秒前
aaaaa发布了新的文献求助10
11秒前
11秒前
12秒前
12秒前
公园人关注了科研通微信公众号
13秒前
疯狂的依霜完成签到,获得积分20
14秒前
科研通AI2S应助小辛采纳,获得10
15秒前
GU发布了新的文献求助10
15秒前
荼柒完成签到,获得积分10
17秒前
journey_qq发布了新的文献求助10
17秒前
WTY发布了新的文献求助10
17秒前
烟花应助大帅哥采纳,获得30
17秒前
Loooong完成签到,获得积分0
19秒前
JamesPei应助微微采纳,获得10
20秒前
高高完成签到,获得积分10
22秒前
Singularity应助阳光向秋采纳,获得10
23秒前
卡戎529完成签到,获得积分10
23秒前
稳重的静丹完成签到,获得积分10
24秒前
24秒前
不配.应助可乐采纳,获得10
24秒前
25秒前
CyberHamster完成签到,获得积分10
27秒前
悠悠完成签到 ,获得积分10
27秒前
29秒前
大帅哥发布了新的文献求助30
30秒前
05agate完成签到,获得积分10
30秒前
江湖小妖完成签到 ,获得积分10
32秒前
35秒前
微微发布了新的文献求助10
37秒前
墨海完成签到,获得积分10
37秒前
journey_qq完成签到,获得积分10
37秒前
39秒前
高分求助中
Sustainability in Tides Chemistry 2800
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3138583
求助须知:如何正确求助?哪些是违规求助? 2789532
关于积分的说明 7791599
捐赠科研通 2445937
什么是DOI,文献DOI怎么找? 1300750
科研通“疑难数据库(出版商)”最低求助积分说明 626058
版权声明 601079