Application of RotaSVM for HLA Class II Protein-Peptide Interaction Prediction
PBN-AR
Instytucja
Interdyscyplinarne Centrum Modelowania Matematycznego i Komputerowego (Uniwersytet Warszawski)
Książka
Tytuł książki
Proceedings of the International Conference on Bioinformatics Models, Methods and Algorithms
Data publikacji
2014
ISBN
9789897580123
Wydawca
SCITEPRESS
Publikacja
Główny język publikacji
en
Tytuł rozdziału
Application of RotaSVM for HLA Class II Protein-Peptide Interaction Prediction
Rok publikacji
2014
Strony (od-do)
178-185
Numer rozdziału
Identyfikator DOI
Liczba arkuszy
0.90
Hasło encyklopedyczne
Słowa kluczowe
en
HLA Class II
Machine Learning
MHC
Peptide Binding
T Cell Epitopes.
Konferencja
Indeksowana w Scopus
tak
Indeksowana w Web of Science Core Collection
tak
Liczba cytowań z Web of Science Core Collection
Nazwa konferencji (skrócona)
BIOSTEC 2014
Nazwa konferencji
5th International Conference on Bioinformatics Models, Methods and Algorithms (BIOINFORMATICS), part of 7th International Joint Conference on Biomedical Engineering Systems and Technologies (BIOSTEC)
Początek konferencji
2014-03-03
Koniec konferencji
2014-03-06
Lokalizacja konferencji
Eseo
Kraj konferencji
FR
Lista innych baz czasopism i abstraktów w których była indeksowana
Streszczenia
Język
en
Treść
In this article, the recently developed RotaSVM is used for accurate prediction of binding peptides to Human Leukocyte Antigens class II (HLA class II) proteins. The HLA II - peptide complexes are generated in the antigen presenting cells (APC) and transported to the cell membrane to elicit an immune response via T-cell activation. The understanding of HLA class II protein-peptide binding interaction facilitates the design of peptide-based vaccine, where the high rate of polymorphisms in HLA class II molecules poses a big chal- lenge. To determine the binding activity of 636 non-redundant peptides, a set of 27 HLA class II proteins are considered in the present study. The prediction of HLA class II - peptide binding is carried out by an ensemble classifier called RotaSVM. In RotaSVM, the feature selection scheme generates bootstrap samples that are further used to create a diverse set of features using Principal Component Analysis. Thereafter, Support Vec- tor Machines are trained with these bootstrap samples with the integration of their original feature values. The effectiveness of the RotaSVM for HLA class II protein-peptide binding prediction is demonstrated in com- parison with other traditional classifiers by evaluating several validity measures with the visual plot of ROC curves. Finally, Friedman test is conducted to judge the statistical significance of RotaSVM in prediction of peptides binding to HLA class II proteins.
Cechy publikacji
Chapter in a book
Rozdział w książce
Inne
System-identifier
PBN-R:809488
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych