特异性机器学习揭示II类表位替代结合模式

瑞士洛桑大学David Gfeller和Julien Racle利用II类主要组织相容性复合体（MHC-II）特异性机器学习揭示II类表位的替代结合模式。相关成果近日在线发表于《免疫》。

CD4+T细胞通过识别MHC-II分子上的表位，协调对病原体和癌症的适应性免疫反应。MHC-II基因的高度多态性是准确预测和鉴定CD4+T细胞表位的重要障碍。

研究人员收集并整理了627013个通过质谱鉴定的独特MHC-II配体的数据集。这些数据集能够帮助精准确定人类、小鼠、牛和鸡的88个MHC-II等位基因的结合基序。结合X射线晶体学对这些结合特异性的分析，完善了研究人员对MHC-II基序的分子决定簇的理解，并揭示了HLA-DP配体中广泛存在的反向结合模式。

此外，研究人员开发了一个机器学习框架，可准确预测任何MHC-II等位基因的结合特异性和配体。该工具改进并扩展了CD4+T细胞抗原表位的预测，使人们能够按照上述反向结合模式发现病毒和细菌表位。