TY -的A2 Chakraborty Chinmay AU -布哈里,赛义德·侯赛因盟这个Jain,阿米特盟,哈克Ehtishamul盟——Khder Moaiad Ahmad盟——严格检验,拉胡尔AU -波拉,以太盟——拉里纳杰菲,穆斯林PY - 2021 DA - 2021/10/01 TI -基于机器学习合奏Zika病毒t细胞表位预测模型SP - 9591670六世- 2021 AB - Zika病毒(ZIKV)的病原体Zika病毒发烧对于人类来说,是一种RNA病毒,属于属 黄病毒。目前还没有批准临床使用疫苗来对抗ZIKV感染和控制疫情。表位肽疫苗提高疫苗接种安全,有很大的开发潜力大,免疫原性。尽管已经进行了很多尝试开发疫苗ZIKV,这些已被证明是成功的。表位肽疫苗可以作为强大的替代传统疫苗因其生产成本低,减少reactogenic,过敏反应。设计一个有效的和可行的表位肽疫苗在这种致命病毒,必须选择自表位抗原t细胞抗原表位疫苗被认为是安全的。在硅片machine-learning-based ZIKV t细胞表位预测方法可以节省大量的物理实验时间和精力快速疫苗开发相比 在活的有机体内方法。我们在此培训machine-learning-based计算模型来预测小说ZIKV t细胞抗原表位采用氨基酸的物理化学性质。提出整体模型基于投票机制的混合预测每个类(抗原决定基或nonepitope)从每个基分类器。单个分类器预测获得了每个类的总结,和类的多数投票预计。奇数个分类器被用来避免在投票的发生关系。通过实验确定ZIKV肽序列数据集收集从免疫抗原决定基数据库和分析资源(IEDB)存储库。3519年的数据集是由序列,其中1762是nonepitopes抗原表位和1757。序列的长度范围从6到30米。对于每个序列,我们提取13理化特性。提出整体模型实现敏感性,特异性,基尼系数,AUC,精度、f值,精度为0.976,0.959,0.993,0.994,0.989,0.985和97.13%,分别。 To check the consistency of the model, we carried out five-fold cross-validation and an average accuracy of 96.072% is reported. Finally, a comparative analysis of the proposed model with existing methods has been carried out using a separate validation data set, suggesting the proposed ensemble model as a better model. The proposed ensemble model will help predict novel ZIKV vaccine candidates to save lives globally and prevent future epidemic-scale outbreaks. SN - 2040-2295 UR - https://doi.org/10.1155/2021/9591670 DO - 10.1155/2021/9591670 JF - Journal of Healthcare Engineering PB - Hindawi KW - ER -