基本面和T -和b细胞表位预测的方法

文摘

适应性免疫是由T - b细胞,免疫细胞有能力开发pathogen-specific内存,可提供免疫保护。内存和效应功能B和t细胞是基于特定目标的识别通过专门的受体(抗原)的病原体。更具体地说,在其同源抗原B和t细胞识别部分称为抗原表位。有极大的兴趣在抗原识别抗原表位的实际原因,包括理解疾病病因、免疫监测、发展诊断化验,表位疫苗的设计。表位鉴定是昂贵和耗时的因为它需要大的阵列的实验筛选潜在的抗原决定基的候选人。幸运的是,研究人员已经开发出计算机预测方法,大大减少了负担与抗原决定基映射通过减少潜在的抗原决定基候选人的名单进行实验测试。这里,我们分析方面的抗原识别由T - b细胞与抗原决定基相关的预测。随后,我们提供了一个系统的和包容的审查最相关的B - t细胞表位预测方法和工具,特别重视他们的基础。

1。介绍

免疫系统通常分为两类,先天和适应性。先天免疫包括非特异性防御机制,立即行动或微生物体内出现后数小时内。所有多细胞生物表现出某种天生的免疫力。相比之下,适应性免疫只是出现在脊椎动物和它是非常具体的。事实上,自适应免疫系统能够识别和消灭入侵的病原体。此外,适应性免疫系统记得打架的病原体,收购pathogen-specific持久保护内存,使每一次更强的攻击病原体是重逢1]。然而,先天和适应性免疫机制一起工作和适应性免疫启发是取决于之前激活先天免疫反应(1]。

适应性免疫的淋巴细胞,更具体地说,B - t细胞,负责体液和细胞免疫。B - t细胞不能识别病原体作为一个整体,但分子组件被称为抗原。这些抗原被特定的细胞表面受体存在于B和t细胞。抗原识别需要通过这些受体激活B - t细胞但不够的,作为第二个激活信号源于先天免疫系统的激活也需要。识别的特异性是由基因重组事件发生在淋巴细胞的发展,导致产生数以百万计的不同变体antigen-recognizing淋巴细胞上的受体(1]。抗原识别B和t细胞有很大的不同。

通过抗原b细胞识别solvent-exposed抗原受体,命名为b细胞受体(BCR)组成的膜结合免疫球蛋白,如图1。激活后,b细胞分化和分泌可溶性形式的免疫球蛋白,也称为抗体,调节体液适应性免疫。抗体释放的b细胞可以有不同的触发的函数在绑定的同源抗原。这些功能包括中和毒素和病原体和标签他们毁灭的1]。

一个b细胞表位免疫球蛋白和抗体抗原部分绑定。这些抗原表位被b细胞抗原可能构成任何接触溶剂地区,可以不同的化学性质。然而,大多数抗原表位预测蛋白质,这些受试者的方法。

另一方面,t细胞在其表面特定受体称为t细胞受体(TCR)能够识别抗原时显示表面的抗原递呈细胞(apc)与主要组织相容性复合体(MHC)分子。我提出了t细胞抗原表位的类(MHC)和II (MHC II) MHC分子被两个不同的t细胞亚群,分别CD8和CD4 t细胞(图2)。随后,CD8和CD4 t细胞抗原表位。CD8 T细胞成为细胞毒性T淋巴细胞(CTL)后T CD8抗原决定基的认可。同时,影射CD4 t细胞成为辅助t细胞(Th)或监管(Treg) (1]。Th细胞增强免疫反应,主要有三个子类:Th1细胞免疫与细胞内病原体,Th2免疫(抗体介入),Th17(炎症反应和防御细菌细胞外)(2]。

识别抗原表位抗原是极大的兴趣的实际原因,包括理解疾病病因、免疫监测、发展诊断化验,表位疫苗的设计。b细胞抗原表位可以通过不同的方法包括确定解决抗原抗体复合物的三维结构,肽库筛选抗体绑定或执行功能检测抗原的变异和交互antibody-antigen评估(3,4]。另一方面,实验测定t细胞抗原表位的使用MHC有关酶联免疫斑点试验,多聚体和lymphoproliferation或其他(5,6]。传统表位鉴定完全取决于实验技术,昂贵和耗时。因此,科学家们已经开发和实施促进抗原决定基表位预测方法识别和减少实验加载与之关联。在这里,我们将首先分析方面的抗原识别由T - b细胞与更好的理解相关的表位预测的话题。随后,我们将提供一个系统的和包容的复习最重要的预测方法和工具,特别重视他们的基础和潜力。我们还将讨论表位预测的局限性以及克服它们的方法。我们将开始与t细胞抗原表位。

2。t细胞表位预测

内t细胞表位预测旨在确定最短的多肽抗原,能够刺激CD4和CD8 t细胞(7]。这种刺激t细胞的能力被称为免疫原性,并在化验确认需要合成肽抗原(5,6]。有许多不同的多肽抗原和t细胞内预测方法旨在识别那些免疫原性。t细胞表位免疫原性取决于三个基本步骤:(i)抗原处理,(2)肽结合MHC分子,和(3)识别同源细胞。这三个事件,MHC-peptide绑定是最顶尖的一个确定t细胞抗原表位(8,9]。因此,预测peptide-MHC绑定是预测t细胞抗原表位的主要依据,我们将回顾下。

2.1。预测Peptide-MHC绑定

MHC I和MHC II分子也有类似的3 d结构绑定肽坐在两个槽划定α螺旋线上覆一层组成的八个反平行的β链。然而,还存在着一些关键分歧MHC I和II绑定凹槽之间,我们必须强调他们条件peptide-binding预测(图3)。MHC I分子的peptide-binding裂是封闭的,因为它是由一个单一的α链。结果,只能绑定短肽MHC I分子从9到11个氨基酸,其N -和c端结束仍然固定在守恒的残留的MHC I分子通过氢键网络(10,11]。MHC I peptide-binding槽深还包含绑定口袋紧理化参数,便于绑定预测。然而有一个难题。肽有不同的大小和绑定到相同的MHC I分子经常使用替代绑定口袋(12]。因此,方法预测peptide-MHC我绑定需要一个固定的肽长度。然而,由于大多数MHC I肽配体有9残留物,通常比预测肽与大小。相比之下,MHC II分子的peptide-binding槽是开放的,允许的N - c端端肽超越绑定槽(10,11]。因此,MHC II-bound肽长度相差很大(9-22残留),虽然只有一个核心的九个残留物(peptide-binding核心)坐到MHC II绑定槽。因此,peptide-MHC II绑定通常目标识别这些peptide-binding核心预测方法。MHC II分子绑定的口袋也浅,不如我MHC分子的要求。因此,peptide-binding预测MHC II分子比我MHC分子的不准确。

鉴于问题的相关性,有很多方法来预测peptide-MHC绑定。最相关的免费在线使用收集表1。他们可以分成两大类:数据驱动和基于结构的方法。基于结构的方法通常依赖于peptide-MHC建模结构其次是评价的交互通过分子动力学模拟等方法(8,13]。基于结构的方法不需要实验数据的巨大优势。然而,他们很少用作计算密集型和预测性能表现出低于数据驱动方法(14]。

peptide-MHC绑定数据驱动方法预测是基于肽序列已知的结合MHC分子。这些通常可在专门的表位肽序列数据库如IEDB [15],EPIMHC [16],Antijen [17,18]。肽MHC I和II绑定包含经常发生在特定的氨基酸肽位置,称为锚残留。因此,首次接近使用序列预测peptide-MHC绑定主题(SM)反映氨基酸偏好MHC分子的锚的位置(19]。不过,它也很快就表明nonanchor残留导致的能力绑定到给定的肽MHC分子(20.,21]。随后,研究人员开发了主题矩阵(毫米),可以评估每个人的贡献,所有肽位置与MHC分子[绑定22- - - - - -25]。最复杂的矩阵形式的图案由配置文件(24- - - - - -26),类似于那些用于检测序列同源性(27]。我们想评论主题矩阵往往是错误的,量化关联矩阵(QAMs)因为多肽的分数。然而,MMs推导没有考虑在绑定的值相似,因此,产生的肽分数并不适合地址绑定关联。相比之下,QAMs肽和相应的绑定关系上训练,旨在预测绑定关联。第一种方法基于QAMs是由帕克et al。28)(表1)。随后,各种方法是获得QAMs肽亲和的数据和预测肽结合MHC I和II分子(29日- - - - - -32]。

QAMs和主题矩阵假设一个独立贡献肽侧链的绑定。这种假设是由实验数据支持但也有证据表明,相邻肽残留干扰他人(33]。占这些干扰,研究人员介绍了定量结构活性关系(构象)添加剂模型在计算亲和力的肽MHC作为氨基酸贡献的总和在每个位置加上相邻侧链相互作用的贡献(34]。但是,机器学习(ML)是最受欢迎的和健壮的方法引入的非线性peptide-MHC绑定数据8]。研究人员毫升用于两个不同的问题:从nonbinders MHC绑定的歧视和预测肽MHC分子的亲和力。

为发展中歧视模型、ML算法训练数据集组成的肽,绑定或不与MHC分子结合。相关的例子ML-based歧视模型是基于人工神经网络(ann) [35,36),支持向量机(svm) [37- - - - - -39],决策树(DTs) [40,41,隐马尔可夫模型(摘要),也可以处理非线性数据和被用来区分肽结合MHC分子。然而,不像其他的ML算法,它们必须只在积极的训练数据。三种类型的摘要已经被用来预测MHC-peptide绑定:完全连接摘要(42),structure-optimized摘要(43,概要文件摘要(43,44]。其中,只有完全连接摘要(fcHMMs)和structure-optimized摘要(soHMMs)肽绑定可以识别不同的模式。事实上,来源于集的概要文件摘要ungapped比对(肽结合MHC的情况)是几乎相同的姿态矩阵(45)(表1)。

关于预测亲和力,ML算法训练数据集组成的肽MHC分子与已知的亲和力。支持向量机和神经网络用于这些目的。首次应用于支持向量机预测peptide-binding亲和力MHC I分子(46),后来MHC II分子(47)(表1)。同样,网络也被首先应用于预测肽结合MHC I (48,49),后来MHC II分子(50)(表1)。基准peptide-MHC绑定的预测似乎表明,基于人工神经网络方法优于基于QAMs和MMs。然而,不同方法之间的差异是边际和不同为不同MHC分子(51]。此外,它已经表明,peptide-MHC预测的性能改进的结合几种方法和提供共识预测(52]。

主要并发症为通过peptide-MHC绑定t细胞抗原表位预测模型是MHC多态性。在人类中,MHC分子被称为人类白细胞抗原(HLA),还有数以百计的等位变异类我(HLA I)和类二世(HLA II)分子。这些HLA等位基因变异结合截然不同的肽(53),需要特定的模型预测peptide-MHC绑定。然而,peptide-binding数据只能用于少数HLA分子。为了克服这个限制,一些研究人员已经开发出pan-MHC-specific方法通过训练人工神经网络在输入数据结合MHC残留与peptide-binding联系肽亲和能够预测peptide-binding亲和力但一个个HLA等位基因(54,55]。

HLA多态性也妨碍了全球覆盖t细胞表位疫苗的开发HLA变异表达在大大变量频率在不同民族56]。有趣的是,不同的HLA分子还可以绑定类似套肽(57,58),研究人员设计出了集群在组的方法,称为HLA能够组成的HLA等位基因具有类似peptide-binding特异性(59- - - - - -61年]。hla a2, HLA-A3, HLA-B7相关工具的例子;88%的人表示包含在这些工具(至少一个等位基因25,57,58]。识别滥交peptide-binding HLA的工具使t细胞表位疫苗的开发与使用有限数量的肽高人口覆盖率。目前,一些基于网络的方法允许预测滥交peptide-binding HLA超表位疫苗的设计包括MULTIPRED [62年]和PEPVAC [63年)(表1)。之外的方法来识别滥交peptide-binding HLA的工具开发和实施Molero-Abraham et al。(64年EPISOPT的名称。EPISOPT预测HLA我演讲概要文件的个人肽无论超类型和识别表位组合提供了一个更广泛的人口覆盖保护。

预测肽结合MHC II分子容易辨别CD4 t细胞抗原表位,但不能告诉他们的CD4 t细胞激活特定的反应能力子集(例如,Th1、Th2和Treg)。然而,有证据表明,一些CD4 t细胞抗原表位似乎刺激特定子集的Th细胞(65年,66年]。区分能力的MHC II-restricted抗原表位引起不同的反应显然是相关的表位疫苗开发和促使研究人员的关注。一个相关的例子是由Dhanda等工作。(67年)生成分类器能够预测潜在的白介素4 (il - 4)分泌肽诱导物,典型的Th2细胞,通过训练SVM模型实验验证IL4诱导和noninducing MHC II类绑定(表1)。

2.2。预测抗原加工和集成Peptide-MHC绑定的预测

抗原加工形状肽曲目可供MHC绑定和是一个限制的步骤确定t细胞表位免疫原性(68年]。随后,抗原加工路径的计算模型提供了一个的意思是增强t细胞表位预测。抗原表达MHC I和II分子由两个不同的途径。MHC II分子现在肽抗原来源于endocyted退化并加载到MHC II抗原分子在endosomal箱内(69年]。二类抗原退化了解甚少,还缺乏良好的预测算法(70年]。相比之下,目前肽MHC I分子主要是从抗原在胞质退化。由此产生的肽抗原被水龙头然后运输到内质网在哪里装上新生的MHC I分子(69年)(图4)。加载之前,肽经常接受削减ERAAP氨基端氨基肽酶(71年]。

蛋白酶体劈理和peptide-binding开发作了详细研究,预测两个过程的计算方法。蛋白酶体乳沟预测模型来源于肽片段生成在体外由人类本构水解酶(72年,73年)和集的MHC I-restricted配体映射到他们的蛋白质来源74年- - - - - -76年]。另一方面,点击绑定预测方法已经开发的培训不同的算法在已知亲和力的肽开发(77年- - - - - -80年]。结合蛋白酶体劈理和peptide-binding利用peptide-MHC绑定预测增加t细胞表位预测率相比只是peptide-binding MHC I (37,77年,81年- - - - - -83年]。随后,研究人员已经开发出资源来预测通过多步方法结合蛋白酶体乳沟CD8 t细胞抗原表位,利用运输和peptide-binding MHC分子(26,37,82年- - - - - -85年)(表1)。

3所示。b细胞抗原表位预测

b细胞表位预测旨在促进b细胞表位鉴定与取代的实用目的抗原抗体的生产或运输结构的研究。任何solvent-exposed地区抗原抗体可以识别的。然而,b细胞抗原表位可以分成两个主要团体:线性和构象(图5)。线性b细胞抗原表位的顺序残留物,肽,而构象b细胞抗原表位的补丁solvent-exposed原子的残留物,不一定是连续的(图5)。因此,线性和构象b细胞抗原表位也被称为连续和不连续的b细胞抗原表位,分别。识别线性b细胞抗原表位的抗体可以识别变性抗原,而变性抗原导致损失构象b细胞抗原表位的识别。大多数b细胞抗原表位(大约90%)构象,事实上,只有少数的本地抗原包含线性b细胞抗原表位(3]。我们将审查,线性和构象b细胞抗原表位的预测。

3.1。线性b细胞抗原表位的预测

线性b细胞抗原表位由肽可以用来替换为免疫抗原和抗体生产。因此,尽管是少数,线性b细胞抗原表位的预测得到了重大的关注。线性b细胞抗原表位预测从主序列使用基于抗原的方法。早期的计算方法b细胞抗原表位的预测是基于简单的氨基酸倾向量表描绘B-cellepitopes的物理化学特性。例如,老板霍普和木材残渣亲水性计算申请b细胞表位预测(96年,97年]假设亲水区域主要位于蛋白质表面和潜在的抗原。然而,我们现在知道,蛋白质表面包含大致相同数量的亲水和疏水残基98年]。其他氨基酸倾向量表介绍b细胞表位预测是基于灵活性[99年),表面可访问性(One hundred.),而β词倾向(101年]。当前可用的生物信息学工具来预测线性b细胞抗原表位使用倾向量表包括PREDITOP [102年)和(103年)(表2)。PREDITOP [102年)使用一个基于亲水性multiparametric算法,可访问性、灵活性和二级结构属性的氨基酸。人103年)使用相同的参数和除了包括评估β转。介绍了一个相关的方法来预测b细胞抗原表位Kolaskar和Tongaonkar [104年),组成一个简单的抗原性规模来源于物理化学性质和频率实验确定b细胞抗原表位的氨基酸。这个索引可能是最流行的b细胞表位抗原规模预测,它实际上是由GCG实现(105年)和浮雕(106年)包。比较的评价倾向量表进行85线性b细胞抗原表位的数据显示,大多数倾向量表预测50至70%的b细胞抗原表位,与β词的比例达到最好的值(101年,107年]。它也表明,结合不同尺度没有出现改善预测(102年,108年]。此外,布莱斯和花109年]表明single-scale氨基酸倾向量表不可靠预测抗原决定基的位置。

氨基酸尺度上表现不佳的线性b细胞抗原表位的预测促使引入机器学习——基于(ML)的方法(表2)。这些方法由培训ML算法区分实验b细胞抗原表位与non-B-cell抗原表位。培训之前,b细胞抗原表位是转化为特征向量获取选中的属性,比如由不同的倾向量表。有关基于ML的b细胞表位预测方法的例子包括BepiPred [110年],ABCpred [111年],LBtope [112年],BCPREDS [113年],SVMtrip [114年]。数据集、培训功能,和算法用于开发这些方法不同。BepiPred是基于随机森林的训练从3 d结构获得的b细胞抗原表位抗原抗体复合物(110年]。两个BCPREDS [113年]和SVMtrip [114年)是基于支持向量机(SVM),但BCPREDS训练时使用各种字符串内核消除需要代表序列到length-fixed特征向量,SMVtrip训练在length-fixed三肽组成的向量。ABCpred和LBtope方法包括人工神经网络(ann)类似的积极训练数据,b细胞抗原表位,但负面数据不同,non-B-cell抗原表位。负面数据用于训练ABCpred由随机肽而负面数据用于LBtope是基于实验验证non-B-cell抗原表位形式IEDB [15]。一般来说,b细胞表位预测方法采用ML-algorithm据报道比那些基于氨基酸倾向量表。然而,一些作者报道,ML算法显示小改进single-scale-based方法(115年]。

抗体引起免疫反应过程中通常是一个给定的同形像来确定他们的生物功能。最近在b细胞表位预测方法的发展,古普塔等。(116年),允许识别的b细胞抗原表位诱导特定类抗体的能力。这种方法是基于西门子中压开关技术(无锡)有限公司训练数据集,包括线性b细胞抗原表位诱导免疫球蛋白,IgE, IgA抗体。

3.2。构象b细胞抗原表位的预测

大多数b细胞抗原表位构象然而,构象b细胞抗原表位的预测已经落后于线性b细胞抗原表位。有两个主要的实际原因。首先,构象b细胞抗原表位的预测通常要求蛋白质三维(3 d)的知识结构和这些信息只用于蛋白质的一小部分(117年]。其次,隔离从蛋白质构象b细胞抗原表位上下文选择抗体生产是一项艰巨的任务,需要合适的支架抗原决定基接枝。因此,构象b细胞预测目前的预测表位疫苗的设计和基于抗体的技术关系不大。尽管如此,因为携带结构与构象b细胞抗原表位的预测是有趣的研究涉及antibody-antigen交互。

有几个可用的方法来预测构象b细胞抗原表位(表2)。第一个引入CEP [118年],它几乎完全依赖于预测solvent-exposed残留的补丁。随后DiscoTope [119年),除了溶剂可及性,认为氨基酸统计和空间信息预测构象b细胞抗原表位。一个独立评价这两种方法使用一个基准数据集的59构象表位透露,他们没有超过40%的精度和召回的46% (120年]。随后,更多的方法了,比如ElliPro [121年),旨在识别抗原表面突出的地区和PEPITO [122年]和SEPPA [123年)结合单一氨基酸的物理化学性质和几何结构属性。的报道曲线下的面积(AUC)这些方法大约是0.7,这表明一个贫穷的辨别能力还比随机的。不过,在一个独立的评估,SEPPA达到0.62的AUC,所有提到的方法有一个AUC约0.5 (124年]。毫升也被应用于预测构象b细胞抗原表位的3 d结构。有关的例子包括EPITOPIA [125年]和EPSVR [126年]基于朴素贝叶斯分类器和支持向量回归,分别训练特征向量结合不同的分数。这两个方法的报道AUC是0.6左右。

上面的方法对构象b细胞表位预测识别通用不管抗体,抗原区域是忽略了(127年]。然而,也有方法antibody-specific抗原决定基的预测。这种方法被苏等先驱。(128年)定义了一个antibody-specific抗原决定基的倾向(希腊高级人才选拔委员会)推荐指数在分析抗原抗体的接口3 d结构。使用这个索引,他们开发了一种新方法预测个别抗体的抗原决定基残留工作由缩小候选抗原决定基残留预测的传统方法。最近,et al。杰哈卡胡奇(129年]发达EpiPred方法使用docking-like方法匹配抗体和抗原结构,因此识别抗原表位区域。类似的方法使用皮斯(130年),该方法利用序列的抗体和抗原的分子结构。短暂,每一对抗体和抗原结构序列,请使用机器学习模型训练属性从120年antibody-antigen复合物来识别对结合残留物从complementarity-determining地区(CDRs)抗体和抗原可能交互。

另一种方法来识别构象b细胞抗原表位与一个已知的蛋白质分子结构是通过mimotope-based方法。Mimotopes肽选择从随机肽库的能力结合对本地抗原抗体了。Mimotope-based方法需要输入抗体affinity-selected肽的分子结构选择抗原。生物信息学工具的例子使用mimotopes包括MIMOX[构象b细胞表位预测131年],PEPITOPE [132年],EPISEARCH [133年],MIMOPRO [134年],PEPMAPPER [135年)(表2)。

说过,构象b细胞表位预测方法一般需要抗原的分子结构。异常,然而,安萨里和Raghava [136年)开发了一种方法(CBTOPE)识别的构象b细胞表位抗原的主要序列。CBTOPE是基于支持向量机和训练有素的理化和sequence-derived构象b细胞抗原表位的特性。CBTOPE报道准确性为86.6% crossvalidation实验。

4所示。结束语

目前,t细胞表位预测比b细胞更先进和可靠的预测。然而,虽然可以证实实验的预测结合MHC分子肽预测,只有~ 10%的那些显示免疫原性(能引起t细胞反应)68年]。这样的t细胞表位的发现率低是由于我们没有足够的模型预测抗原处理(68年]。t细胞表位的发现率低的经济损失是可以克服的,至少在某种程度上,通过优先蛋白质抗原表位预测(137年- - - - - -139年]。t细胞表位疫苗的发展,研究人员也可以诉诸实验已知的t细胞抗原表位,通过immunoinformatics抗原决定基中可用的数据库,选择那些提供最大保护人口覆盖率(64年,140年,141年]。在任何情况下,t细胞表位预测仍然是不可或缺的一部分t细胞表位映射方法。相比之下,b细胞表位的预测效用目前更有限。有几个原因。首先,b细胞抗原表位的预测仍然是不可靠的线性和构象b细胞抗原表位。其次,线性b细胞抗原表位做通常引起,与本机不crossreact抗原的抗体。第三,b细胞抗原表位的绝大多数是构象构象表位预测几乎没有应用程序,因为他们不能从他们的蛋白质分离上下文。在这种情况下,关键是改进现有治疗方法不仅b细胞表位预测还开发新方法和抗原决定基平台嫁接到合适的支架能够取代本地抗原。

最后,我们希望让两个最终的评论相关的表位疫苗的设计。首先,它是表位预测方法可以从任何给定的蛋白质提供了潜在的抗原表位查询但并不是所有的抗原是同样的与疫苗相关的发展。因此,研究人员还开发了一些工具,用于确定候选疫苗抗原(142年,143年),那些可能诱发保护性免疫,可以针对表位预测和表位疫苗的设计。第二,它应该承担记住表位肽展览需要使用免疫原性和结合佐剂,增加免疫原性的诱导强烈的先天免疫反应,使适应性免疫(144年- - - - - -146年]。因此,发现新的佐剂尤为相关的表位疫苗(146年),为此,Nagpal et al。(147年)开发了一个开创方法可以预测RNA序列的免疫调节活性。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

何塞·l·Sanchez-Trincado和玛塔Gomez-Perosanz同样这项工作。

确认

作者要感谢Inmunotek,SL和西班牙科学学系MINECO支持Immunomedicine集团研究通过拨款SAF2006:07879 SAF2009:08301, BIO2014:54164-R佩德罗Reche。作者也要感谢博士以斯帖m . Lafuente批判阅读和修正。

引用

1. w·e·保罗,基础免疫学Lippincott Williams &威尔金斯,2012年。
2. b .太阳和y张”,概述编排CD4 + T细胞亚群的免疫反应,”实验医学和生物学的发展卷。841年,1-13,2014页。视图:出版商的网站|谷歌学术搜索
3. m·h·范·Regenmortel“b细胞表位是什么?”分子生物学方法卷,524年,页3 - 2009。视图:出版商的网站|谷歌学术搜索
4. Ponomarenko和m . Van Regenmortel“b细胞表位预测”结构生物信息学,页849 - 879年,约翰·威利& Sons . n:行情),2009年。视图:谷歌学术搜索
5. t·a·艾哈迈德·a·e·Eweida, l . h . El-Sayed“t细胞表位映射设计强大的疫苗,”疫苗报告》第六卷,13-22,2016页。视图:出版商的网站|谷歌学术搜索
6. l . Malherbe“t细胞表位映射”,年报过敏、哮喘和免疫学,卷103,不。1,第79 - 76页,2009。视图:出版商的网站|谷歌学术搜索
7. r·k·艾哈迈德和m . j . Maeurer“t细胞表位映射,”分子生物学方法卷,524年,第438 - 427页,2009年。视图:出版商的网站|谷歌学术搜索
8. e . m . Lafuente和p . a . Reche MHC-peptide绑定的预测:一个系统的、全面的概述,“当前的药物设计,15卷,不。28日,第3220 - 3209页,2009年。视图:出版商的网站|谷歌学术搜索
9. p·e·詹森”,最近的进步抗原处理和表示,“自然免疫学,8卷,不。10日,1041 - 1048年,2007页。视图:出版商的网站|谷歌学术搜索
10. l·j·斯特恩和华盛顿威利”,由一级和二级组织相容性抗原肽结合蛋白,”结构,卷2,不。4、245 - 251年,1994页。视图:出版商的网站|谷歌学术搜索
11. d·r·马登“peptide-MHC复合物的三维结构,”年度回顾的免疫学,13卷,不。1,第622 - 587页,1995。视图:出版商的网站|谷歌学术搜索
12. d·r·马登d . n . Garboczi, d . c .威利“peptide-MHC复合物的抗原身份:比较提出的五个病毒肽构象的hla a2,”细胞,卷75,不。4、693 - 708年,1993页。视图:出版商的网站|谷歌学术搜索
13. d . v .德赛和Kulkarni-Kale,”t细胞表位预测方法:概述”,分子生物学方法卷,1184年,第364 - 333页,2014年。视图:出版商的网站|谷歌学术搜索
14. a . Patronov和i Doytchinova immunoinformatics t细胞表位疫苗的设计,“开放的生物学,3卷,不。1,第120139条,2013。视图:出版商的网站|谷歌学术搜索
15. r·维塔j . a . Overton j . a . Greenbaum et al .,“免疫抗原决定基数据库(IEDB) 3.0,”核酸的研究,43卷,D1, D405-D412, 2015页。视图:出版商的网站|谷歌学术搜索
16. m . Molero-Abraham e . m . Lafuente, p . Reche”定制使用EPIMHC peptide-MHC绑定和t细胞抗原表位的预测,”分子生物学方法卷,1184年,第332 - 319页,2014年。视图:出版商的网站|谷歌学术搜索
17. c·p·Toseland d·j·克莱顿·h·McSparron et al .,“AntiJen:定量免疫学数据库集成功能,热力学,动力学,生物物理,和蜂窝数据”Immunome研究,1卷,不。1、p。4、2005。视图:出版商的网站|谷歌学术搜索
18. p·辛格和b . n . Mishra“主要组织相容性复合体与数据库和预测工具设计疫苗,”人类免疫学,卷77,不。3、295 - 306年,2016页。视图:出版商的网站|谷歌学术搜索
19. j . D 'Amaro j·g·A . Houbiers j . w . Drijfhout et al .,“计算机程序基于HLA的预测可能的细胞毒性T淋巴细胞抗原表位类我peptide-binding图案,“人类免疫学,43卷,不。1,十三至十八页,1995。视图:出版商的网站|谷歌学术搜索
20. m . Bouvier d·威利,“肽氨基和羧基末端的重要性我类MHC分子的稳定性,”科学,卷265,不。5170年,第402 - 398页,1994年。视图:出版商的网站|谷歌学术搜索
21. j . Ruppert j .西德尼·e . celi r·t·Kubo说h . m .灰色和a . Sette”二次锚残留的突出作用肽结合HLA-A2.1分子,”细胞,卷74,不。5,929 - 937年,1993页。视图:出版商的网站|谷歌学术搜索
22. m·尼尔森c . Lundegaard p .穿et al .,“改善类MHC I和II类抗原表位预测使用小说吉布斯抽样方法,”生物信息学,20卷,不。9日,第1397 - 1388页,2004年。视图:出版商的网站|谷歌学术搜索
23. h . g . Rammensee j·巴赫曼:p . n .艾默里奇o . a . Bachor和s . Stevanovic”SYFPEITHI:数据库对于MHC配体和肽图案,“免疫遗传学,50卷,不。3 - 4、213 - 219年,1999页。视图:出版商的网站|谷歌学术搜索
24. p . a . Reche j.p.镶块,e . l . Reinherz”预测MHC类我绑定肽使用主题,“人类免疫学,卷63,不。9日,第709 - 701页,2002年。视图:出版商的网站|谷歌学术搜索
25. p . a . Reche和e . l . Reinherz MHC的定义能够通过聚类MHC peptide-binding体验,”分子生物学方法卷,409年,第173 - 163页,2007年。视图:出版商的网站|谷歌学术搜索
26. p . a . Reche j . p .镶块h . Zhang和e . l . Reinherz”增强RANKPEP资源预测的肽结合MHC分子使用配置文件,”免疫遗传学卷,56号6,405 - 419年,2004页。视图:出版商的网站|谷歌学术搜索
27. m . Gribskov和美国Veretnik识别序列模式的概要分析,“方法酶学卷,266年,第212 - 198页,1996年。视图:出版商的网站|谷歌学术搜索
28. k·c·帕克·m·a·Bednarek, j . e . Coligan”方案排名潜在hla a2绑定肽基于独立绑定个人肽侧链,”《免疫学,卷152,不。1,第175 - 163页,1994。视图:谷歌学术搜索
29. Bui, h·h·j·西德尼·b·彼得斯et al .,“自动生成和评估特定的MHC绑定预测工具:ARB矩阵的应用,”免疫遗传学卷,57号5,304 - 314年,2005页。视图:出版商的网站|谷歌学术搜索
30. m·尼尔森c Lundegaard o·隆德,“预测MHC II级绑定使用SMM-align亲和力,一种新型稳定矩阵对齐方法,”BMC生物信息学,8卷,不。1,p。238年,2007。视图:出版商的网站|谷歌学术搜索
31. 彼得斯b和a . Sette”生成定量模型描述序列特异性的生物过程稳定矩阵法,“BMC生物信息学》第六卷,没有。1,p。132年,2005。视图:出版商的网站|谷歌学术搜索
32. t . Sturniolo e·波诺j .丁et al .,“代组织和滥交的HLA配体数据库使用DNA微阵列和虚拟HLA二类矩阵,”自然生物技术,17卷,不。6,555 - 561年,1999页。视图:出版商的网站|谷歌学术搜索
33. b·彼得斯w .通,j·西德尼,a . Sette z .翁,“检查绑定的绑定独立假设抗原表位肽mhc i分子,”生物信息学,19卷,不。14日,第1772 - 1765页,2003年。视图:出版商的网站|谷歌学术搜索
34. p .关,中情局Doytchinova, c . Zygouri和d . r .花,“MHCPred: peptide-MHC绑定服务器进行定量预测,“核酸的研究没有,卷。31日。13日,3621 - 3624年,2003页。视图:出版商的网站|谷歌学术搜索
35. m . Milik d·萨奥尔a . p . Brunmark et al .,”应用程序的一个人工神经网络来预测特定类我MHC结合肽序列,”自然生物技术,16卷,不。8,753 - 756年,1998页。视图:出版商的网站|谷歌学术搜索
36. 诉Brusic g .鲁迪·g . Honeyman j .锤和l·哈里森”预测II-binding肽MHC类使用一个进化算法和人工神经网络,”生物信息学,14卷,不。2、121 - 130年,1998页。视图:出版商的网站|谷歌学术搜索
37. p·多恩和o . Kohlbacher集成建模的主要事件我类MHC抗原处理途径,”蛋白质科学,14卷,不。8,2132 - 2140年,2005页。视图:出版商的网站|谷歌学术搜索
38. m .哈和g p s Raghava预测HLA-DRB1“基于支持向量机方法0401绑定在抗原肽序列。”生物信息学,20卷,不。3、421 - 423年,2004页。视图:出版商的网站|谷歌学术搜索
39. l·雅各布和j.p.绿色“高效peptide-MHC-I与一些已知的绑定,绑定对等位基因的预测”生物信息学,24卷,不。3、358 - 366年,2008页。视图:出版商的网站|谷歌学术搜索
40. 朱,k . Udaka j .西德尼·a . Sette k . f . Aoki-Kinoshita和h . Mamitsuka”提高肽MHC绑定将绑定数据预测的辅助MHC分子,”生物信息学,22卷,不。13日,1648 - 1655年,2006页。视图:出版商的网站|谷歌学术搜索
41. c·j·萨瓦n . Kamikawaji t . Sasazuki和s . Kuhara”盆景的使用决策树识别潜在的MHC类肽抗原决定基图案,“太平洋生物运算研讨会上4卷,第189 - 182页,1999年。视图:谷歌学术搜索
42. h . Mamitsuka”预测肽结合MHC分子使用监督学习的隐马尔可夫模型,”蛋白质,33卷,不。4、460 - 474年,1998页。视图:出版商的网站|谷歌学术搜索
43. c . Zhang m·g . Bickis f . x,和a·j·Kusalik”Optimally-connected隐马尔可夫模型预测MHC-binding肽”,生物信息学和计算生物学》杂志上,卷04,不。05年,959 - 980年,2006页。视图:出版商的网站|谷歌学术搜索
44. m·拉赛尔达,k . Scheffler, c . Seoighe”抗原决定基与系统发育隐马尔可夫模型发现,“分子生物学与进化,27卷,不。5,1212 - 1220年,2010页。视图:出版商的网站|谷歌学术搜索
45. r·杜宾,艾迪,a·克罗和g . Mitchison生物序列分析:蛋白质和核酸的概率模型剑桥,剑桥大学出版社,1998年。视图:出版商的网站
46. 孟w·刘,x,徐,d . r .花,t·李,“老鼠类的定量预测我MHC肽亲和力使用支持向量机回归(SVR)模型,”BMC生物信息学,7卷,不。1,p。182年,2006。视图:出版商的网站|谷歌学术搜索
47. d . r . Jandrlic”、支持向量机和SVR-based MHC-binding肽序列的预测使用的数学表示,“计算生物学和化学卷,65年,第127 - 117页,2016年。视图:出版商的网站|谷歌学术搜索
48. 我校,s . l . Lauemoller p .穿et al .,“敏感定量预测peptide-MHC绑定的查询由委员会的人工神经网络方法,”组织抗原,卷62,不。5,378 - 384年,2003页。视图:出版商的网站|谷歌学术搜索
49. m·尼尔森c . Lundegaard p .穿et al .,“可靠的t细胞抗原表位预测使用神经网络和小说序列表示,“蛋白质科学,12卷,不。5,1007 - 1017年,2003页。视图:出版商的网站|谷歌学术搜索
50. NN-align m·尼尔森和o·隆德。”一个人工神经网络定位算法MHC II级肽结合预测,“BMC生物信息学,10卷,不。1,p。296年,2009。视图:出版商的网站|谷歌学术搜索
51. n . k . Yu彼得罗夫斯基,c . Schonbach j . y . Koh和诉Brusic”方法来预测肽MHC分子绑定:比较研究,“分子医学,8卷,不。3、137 - 148年,2002页。视图:谷歌学术搜索
52. j . p . Wang西德尼,c .陶氏Mothe, A . Sette b·彼得斯,“系统评估MHC II级肽结合的预测和评价的共识,”PLoS计算生物学,4卷,不。4篇文章e1000048 2008。视图:出版商的网站|谷歌学术搜索
53. p . a . Reche和e . l . Reinherz”序列可变性分析人类类I和II类MHC分子:功能和结构相关的氨基酸多态性,”分子生物学杂志,卷331,不。3、623 - 641年,2003页。视图:出版商的网站|谷歌学术搜索
54. m·尼尔森c . Lundegaard Blicher et al。”NetMHCpan定量预测方法- b位点的蛋白质和肽绑定于任何已知的序列,”《公共科学图书馆•综合》,卷2,不。8篇文章e796 2007。视图:出版商的网站|谷歌学术搜索
55. m·尼尔森c . Lundegaard t Blicher et al .,“定量预测肽绑定到任何HLA-DR已知序列的分子:NetMHCIIpan,”PLoS计算生物学,4卷,不。7篇文章e1000107 2008。视图:出版商的网站|谷歌学术搜索
56. p . i寺崎”HLA简史”,免疫研究,38卷,不。1 - 3、139 - 148年,2007页。视图:出版商的网站|谷歌学术搜索
57. a . Sette和j·西德尼,”HLA超和supermotifs: HLA多态性功能的角度来看,“当前舆论免疫学,10卷,不。4、478 - 482年,1998页。视图:出版商的网站|谷歌学术搜索
58. a . Sette和j·西德尼,”九大HLA类我超占绝大多数的抗原和- b多态性”免疫遗传学,50卷,不。3 - 4、201 - 212年,1999页。视图:出版商的网站|谷歌学术搜索
59. 中情局Doytchinova和d . r .花”在计算机识别的超类II一起,”《免疫学,卷174,不。11日,第7095 - 7085页,2005年。视图:出版商的网站|谷歌学术搜索
60. j . Greenbaum j .西德尼·j·钟,c .打烙印b·彼得斯和a . Sette”功能的二类分类人类白细胞抗原(HLA)揭示了七种不同的超分子和惊人的曲目分享工具,”免疫遗传学,卷63,不。6,325 - 335年,2011页。视图:出版商的网站|谷歌学术搜索
61. o·隆德,m·尼尔森Kesmir et al .,”的定义能够使用集群的特异性HLA分子的矩阵,”免疫遗传学,55卷,不。12日,第810 - 797页,2004年。视图:出版商的网站|谷歌学术搜索
62. g . l . Zhang d s DeLuca d . b . Keskin et al .,“MULTIPRED2:大规模计算系统的识别肽预测结合HLA的工具和等位基因,”《免疫学方法,卷374,不。1 - 2日,53 - 61年,2011页。视图:出版商的网站|谷歌学术搜索
63. p . a . Reche和e . l . Reinherz PEPVAC: web服务器主要疫苗研发基于supertypic MHC配体的预测,”核酸的研究,33卷,补充2,W138-W142, 2005页。视图:出版商的网站|谷歌学术搜索
64. m . Molero-Abraham e . m . Lafuente d . r .花和p . a . Reche”选择守恒的丙型肝炎病毒的抗原表位pan-populational刺激t细胞反应,”临床免疫学和发展文章ID 601943卷,2013年,10页,2013。视图:出版商的网站|谷歌学术搜索
65. s . l .常数k .底部,”Th1、Th2 CD4的感应⁺T细胞反应:另一种方法,”年度回顾的免疫学,15卷,不。1,第322 - 297页,1997。视图:出版商的网站|谷歌学术搜索
66. e·m·詹森a·j·m·范·Oosterhout a·j·m·l·范Rensen w . van伊甸园,f p . Nijkamp和m . h . m . Wauben”调制的Th2反应多肽类似物过敏哮喘小鼠模型:改善或恶化的疾病过程取决于治疗的Th1、Th2扭曲特征肽,”《免疫学,卷164,不。2、580 - 588年,2000页。视图:出版商的网站|谷歌学术搜索
67. s . k . Dhanda Gupta, p .梵和g . p . Raghava“IL4诱导肽的预测,”临床免疫学和发展ID 263952条,卷。2013年,9页,2013。视图:出版商的网站|谷歌学术搜索
68. w·钟,p . a . Reche c . c .赖b·莱因霍尔德和e . l . Reinherz”病毒的全基因组特征的细胞毒性T淋巴细胞抗原决定基,”《生物化学》杂志上,卷278,不。46岁,45135 - 45144年,2003页。视图:出版商的网站|谷歌学术搜索
69. j·s·布卢姆,p . a . Wearsch和p . Cresswell”抗原处理的途径。”年度回顾的免疫学没有,卷。31日。1,第473 - 443页,2013。视图:出版商的网站|谷歌学术搜索
70. e . Hoze l . Tsaban y妈妈,y Louzoun,“预测效果的CD4 + T细胞抗原表位的氨基酸组成预处理,”《免疫学方法,卷391,不。1 - 2、163 - 173年,2013页。视图:出版商的网站|谷歌学术搜索
71. g . e .锤f·冈萨雷斯,m . Champsaur d . Cado和n . Shastri”的氨肽酶ERAAP形状所显示的肽曲目主要组织相容性复合体类分子,”自然免疫学,7卷,不。1,第112 - 103页,2006。视图:出版商的网站|谷歌学术搜索
72. a·k·努斯鲍姆c . Kuttler k . p . Hadeler h . g . Rammensee和h .席尔德”PAProC:预测算法对蛋白酶体分裂WWW上可用,“免疫遗传学,53卷,不。2、87 - 94年,2001页。视图:出版商的网站|谷歌学术搜索
73. h . g . Holzhutter c Frommel, p . m .克洛泽”识别的理论方法对cleavage-determining氨基酸20 s蛋白酶体的主题,“分子生物学杂志,卷286,不。4、1251 - 1265年,1999页。视图:出版商的网站|谷歌学术搜索
74. m·尼尔森c . Lundegaard o·隆德,c . Kesmir”产生细胞毒性t细胞抗原表位的蛋白酶体的作用:改善预测的见解来自蛋白酶体的乳沟,”免疫遗传学卷,57号1 - 2,33-41,2005页。视图:出版商的网站|谷歌学术搜索
75. c . m . Diez-Rivero e . m . Lafuente, p . a . Reche”计算分析和建模的乳沟immunoproteasome和本构蛋白酶体”BMC生物信息学,11卷,不。1,p。479年,2010。视图:出版商的网站|谷歌学术搜索
76. m·哈和g p s Raghava Pcleavage:基于SVM的方法预测的本构蛋白酶体和immunoproteasome乳沟网站抗原序列,”核酸的研究,33卷,补充1,W202-W207, 2005页。视图:出版商的网站|谷歌学术搜索
77. m·哈和g . p . Raghava”分析和预测的亲和力丝锥使用级联SVM结合肽,”蛋白质科学,13卷,不。3、596 - 607年,2004页。视图:出版商的网站|谷歌学术搜索
78. c . m . Diez-Rivero b . Chenlo p . Zuluaga和p . a . Reche”定量建模肽绑定开发使用支持向量机,”蛋白质,卷78,不。1,第72 - 63页,2010。视图:出版商的网站|谷歌学术搜索
79. 丹尼尔,诉Brusic, s Caillat-Zucman et al .,“人类相关转运蛋白抗原肽选择性之间的关系处理和HLA分子,”《免疫学,卷161,不。2、617 - 624年,1998页。视图:谷歌学术搜索
80. 诉Brusic, p . van Endert j . Zeleznikow s . Daniel j .锤子,和n .彼得罗夫斯基”的神经网络模型方法研究人类利用运输车,”在计算机生物学,1卷,不。2、109 - 121年,1999页。视图:谷歌学术搜索
81. s . Tenzer b·彼得斯美国Bulik et al .,“建模MHC类我途径通过结合蛋白酶体劈理的预测,利用交通和MHC类我绑定,”细胞和分子生命科学,卷62,不。9日,第1037 - 1025页,2005年。视图:出版商的网站|谷歌学术搜索
82. 中情局Doytchinova, p .关,d . r .花,“EpiJen:服务器进行多步T细胞表位预测,“BMC生物信息学,7卷,不。1,p。131年,2006。视图:出版商的网站|谷歌学术搜索
83. 兰博斯m . v . Larsen c . Lundegaard k . et al .,”一个综合疗法CTL表位预测:结合算法集成MHC类我绑定,挖掘运输效率,和蛋白酶体乳沟预测,“欧洲免疫学杂志,35卷,不。8,2295 - 2303年,2005页。视图:出版商的网站|谷歌学术搜索
84. 舒伯特,惠普Brachvogel, c . Jurges o . Kohlbacher,“EpiToolKit-a基于web的疫苗设计的工作台,”生物信息学没有,卷。31日。13日,2211 - 2213年,2015页。视图:出版商的网站|谷歌学术搜索
85. 舒伯特,m .沃尔泽,惠普Brachvogel, a . Szolek c·莫尔和o . Kohlbacher,”弗雷德2:一个immunoinformatics Python框架。”生物信息学,32卷,不。13日,2044 - 2046年,2016页。视图:出版商的网站|谷歌学术搜索
86. 季米特洛夫m . Atanasova a . Patronov i d . r .花,和i Doytchinova”EpiDOCK:分子MHC II级绑定docking-based工具预测,“蛋白质工程、设计和选择,26卷,不。10日,631 - 634年,2013页。视图:出版商的网站|谷歌学术搜索
87. j . Hakenberg a·k·努斯鲍姆席尔德h . et al .,“MAPPP: MHC类我抗原肽处理预测,“应用生物信息学,卷2,不。3、155 - 158年,2003页。视图:谷歌学术搜索
88. p . Oyarzun j·j·埃利斯·m·博登和科比,“PREDIVAC: CD4 + t细胞表位预测疫苗设计覆盖95%的HLA二类蛋白质多样性博士”BMC生物信息学,14卷,不。1,52页,2013年。视图:出版商的网站|谷歌学术搜索
89. y, z, h·l·t·莫布里,“Vaxign:第一个基于web的疫苗设计反向疫苗学和疫苗研发,申请”生物医学和生物技术杂志》上297505卷,2010篇文章ID, 15页,2010年。视图:出版商的网站|谷歌学术搜索
90. 季米特洛夫i . p . Garnev, d . r .花,和i Doytchinova”EpiTOP-a proteochemometric MHC II级绑定工具预测,“生物信息学,26卷,不。16,2066 - 2068年,2010页。视图:出版商的网站|谷歌学术搜索
91. h·辛格和g p s Raghava“清洁的:HLA-DR结合位点预测,”生物信息学,17卷,不。12日,第1237 - 1236页,2001年。视图:出版商的网站|谷歌学术搜索
92. h·辛格和g . p . Raghava ProPred1:滥交MHC一级结合位点预测,“生物信息学,19卷,不。8,1009 - 1014年,2003页。视图:出版商的网站|谷歌学术搜索
93. 问:张先生,p . Wang y金正日et al .,“免疫抗原决定基数据库分析资源(IEDB-AR)”核酸的研究,36卷,Web服务器问题,W513-W518, 2008页。视图:出版商的网站|谷歌学术搜索
94. m .哈和g p s Raghava”混合方法预测滥交MHC类我限制T细胞抗原表位,”生物科学杂志》,32卷,不。1,31-42,2007页。视图:出版商的网站|谷歌学术搜索
95. p·多恩和a . Elofsson”预测肽MHC类我绑定,使用SVMHC,”BMC生物信息学,3卷,不。1,p。25日,2002。视图:出版商的网站|谷歌学术搜索
96. t . p .老板霍普和k·r·伍兹”从氨基酸序列预测蛋白质抗原决定因素,”美国国家科学院院刊》上的美利坚合众国,卷78,不。6,3824 - 3828年,1981页。视图:出版商的网站|谷歌学术搜索
97. t . p .老板霍普和k·r·伍兹”计算机程序预测蛋白质抗原决定因素,”分子免疫学,20卷,不。4、483 - 489年,1983页。视图:出版商的网站|谷歌学术搜索
98. l .林家的a . Thomas r . Brasseur,“分析可及表面残留的蛋白质,”蛋白质科学,12卷,不。7,1406 - 1417年,2003页。视图:出版商的网站|谷歌学术搜索
99. p . a . Karplus g·e·舒尔茨,“预测蛋白质链的灵活性:肽抗原的选择工具,”自然科学期刊,卷72,不。4、212 - 213年,1985页。视图:出版商的网站|谷歌学术搜索
100. e·A·Emini j . v .休斯d·s·珀洛和j .沼泽,“感应甲型肝炎virus-neutralizing抗体的特异性合成肽,”病毒学杂志,55卷,不。3、836 - 839年,1985页。视图:谷歌学术搜索
101. j·l·Pellequer大肠Westhof, m . h . v . Van Regenmortel”相关性抗原位点的位置和在蛋白质的预测,”免疫学的信,36卷,不。1,第99 - 83页,1993。视图:出版商的网站|谷歌学术搜索
102. j·l·Pellequer和大肠Westhof PREDITOP:抗原性预测程序”,分子图形学杂志》,11卷,不。3,页204 - 210,1993,191 - 2。视图:出版商的网站|谷歌学术搜索
103. a·j·p·阿历克斯,“线性抗原表位预测估计的蛋白质通过使用程序的人,”疫苗,18卷,不。3 - 4、311 - 314年,1999页。视图:出版商的网站|谷歌学术搜索
104. A . s . Kolaskar和p . c . Tongaonkar”,一种半经验方法预测蛋白质抗原的抗原决定因素,”2月的信,卷276,不。1 - 2、172 - 174年,1990页。视图:出版商的网站|谷歌学术搜索
105. d . d . Womble“GCG:威斯康辛州的序列分析项目,“分子生物学方法卷。132年,3-22,2000页。视图:谷歌学术搜索
106. p .大米,即Longden, a . Bleasby”浮雕:欧洲分子生物学开放软件套件,”遗传学趋势,16卷,不。6,276 - 277年,2000页。视图:出版商的网站|谷歌学术搜索
107. j·l·Pellequer大肠Westhof, m . h . v . Van Regenmortel”连续抗原表位的预测位置从他们的主要结构蛋白,”方法酶学卷,203年,第201 - 176页,1991年。视图:出版商的网站|谷歌学术搜索
108. m . Odorico和j·l·Pellequer BEPITOPE:预测的位置连续在蛋白质抗原表位和模式,“《分子识别,16卷,不。1,-,2003页。视图:出版商的网站|谷歌学术搜索
109. m·j·布莱斯和d . r .花”,基准测试B细胞表位预测:表现不佳的现有方法,”蛋白质科学,14卷,不。1,第248 - 246页,2005。视图:出版商的网站|谷歌学术搜索
110. m . c . Jespersen b·彼得斯·m·尼尔森和p . Marcatili”bepipred - 2.0:改善使用构象序列b细胞表位预测抗原表位,”核酸的研究,45卷,Web服务器问题,W24-W29, 2017页。视图:出版商的网站|谷歌学术搜索
111. 萨哈和g p s Raghava”预测连续b细胞抗原表位抗原使用递归神经网络,”蛋白质,卷65,不。1,40-48,2006页。视图:出版商的网站|谷歌学术搜索
112. h·辛格·h·r·安萨里和g p s Raghava“改进方法线性b细胞表位预测使用抗原的主要序列,”《公共科学图书馆•综合》,8卷,不。5篇文章e62216 2013。视图:出版商的网站|谷歌学术搜索
113. y El-Manzalawy、d·多布斯和诉Honavar,“使用字符串内核预测线性b细胞抗原表位,”《分子识别,21卷,不。4、243 - 255年,2008页。视图:出版商的网站|谷歌学术搜索
114. b .姚明,l·张,s .梁和c .张“SVMTriP:一个方法来预测抗原决定使用支持向量机集成tri-peptide相似性和倾向,”《公共科学图书馆•综合》,7卷,不。9篇文章e45152 2012。视图:出版商的网站|谷歌学术搜索
115. j . a . Greenbaum·h·安德森·m·布莱斯et al .,“向共识数据集和评价指标对发展中b细胞表位预测工具,”《分子识别,20卷,不。2、75 - 82年,2007页。视图:出版商的网站|谷歌学术搜索
116. 古普塔,h·r·安萨里a . Gautam开源药物发现财团和g . p . Raghava”识别的抗原诱导b细胞抗原表位的抗体的特定类,“生物学直接,8卷,不。1,p。27日,2013。视图:出版商的网站|谷歌学术搜索
117. m·莱维特“宇宙自然的蛋白质,”美国国家科学院院刊》上的美利坚合众国,卷106,不。27日,11079 - 11084年,2009页。视图:出版商的网站|谷歌学术搜索
118. 美国Kulkarni-Kale、美国博思勒和a . s . Kolaskar”CEP:构象表位预测服务器”,核酸的研究,33卷,Web服务器问题,W168-W171, 2005页。视图:出版商的网站|谷歌学术搜索
119. p .匆忙安徒生,m·尼尔森和o·隆德,“预测残留的不连续使用蛋白质三维结构的b细胞抗原表位,”蛋白质科学,15卷,不。11日,第2567 - 2558页,2006年。视图:出版商的网站|谷歌学术搜索
120. j . v . Ponomarenko和p·e·伯恩”抗体蛋白质相互作用:评价基准数据集和预测工具,”BMC结构生物学,7卷,不。1,p。64年,2007。视图:出版商的网站|谷歌学术搜索
121. Bui, j . Ponomarenko h·h·w·李et al .,“ElliPro:一个新的小工具对抗体抗原表位的预测,”BMC生物信息学,9卷,不。1,p。514年,2008。视图:出版商的网站|谷歌学术搜索
122. m . j . Sweredoski和p . Baldi PEPITO:提高不连续b细胞表位预测半球体接触,使用多个距离阈值”生物信息学,24卷,不。12日,第1460 - 1459页,2008年。视图:出版商的网站|谷歌学术搜索
123. 徐j .太阳,d, t . et al .,“SEPPA:计算服务器空间蛋白质抗原的表位预测,“核酸的研究37卷,Web服务器的问题,没有。suppl_2, W612-W616, 2009页。视图:出版商的网站|谷歌学术搜索
124. x徐,j .太阳,问:刘et al .,“评价空间基于数据集实验证实蛋白质抗原表位计算工具,”科学通报,55卷,不。20日,第2174 - 2169页,2010年。视图:出版商的网站|谷歌学术搜索
125. n d·鲁宾斯坦Mayrose, e . Martz和t . Pupko”Epitopia:服务器b细胞抗原表位预测,”BMC生物信息学,10卷,不。1,p。287年,2009。视图:出版商的网站|谷歌学术搜索
126. 梁,d .郑d·m·史坦利b .姚明,m .撒迦利亚和c,“EPSVR EPMeta:预测抗原决定使用支持向量回归和多个服务器的结果,“BMC生物信息学,11卷,不。1,p。381年,2010。视图:出版商的网站|谷歌学术搜索
127. Sela-Culang, y的领导人,b·彼得斯”抗体特定的抗原决定基预测——出现一个新的范例,”当前舆论病毒学11卷,第102 - 98页,2015年。视图:出版商的网站|谷歌学术搜索
128. 美国发起,d .黑田h . Shirai m .小崛和n . Hirayama”使用氨基酸组成来预测个人抗体,抗原决定基残留”蛋白质工程、设计和选择,23卷,不。6,441 - 448年,2010页。视图:出版商的网站|谷歌学术搜索
129. 刘x k。杰哈卡胡奇t·贝克,j .史和c·m·迪恩”提高b细胞表位预测及其应用全球antibody-antigen对接,“生物信息学,30卷,不。16,2288 - 2294年,2014页。视图:出版商的网站|谷歌学术搜索
130. Sela-Culang,美国德系、b·彼得斯和y的领导人,”皮斯:b细胞抗原表位预测序列,利用抗体”生物信息学没有,卷。31日。8,1313 - 1315年,2015页。视图:出版商的网站|谷歌学术搜索
131. 黄j . a . Gutteridge w .本田和m . Kanehisa”MIMOX:基于噬菌体展示的抗原决定基映射web工具,”BMC生物信息学,7卷,不。1,p。451年,2006。视图:出版商的网站|谷歌学术搜索
132. Mayrose, o·佩恩,大肠Erez et al .,“Pepitope:从affinity-selected多肽抗原决定基映射,”生物信息学,23卷,不。23日,第3246 - 3244页,2007年。视图:出版商的网站|谷歌学术搜索
133. Negi和w·布劳恩,”自动检测使用噬菌体展示肽构象抗原表位的序列,”生物信息学和生物的见解,3卷,第81 - 71页,2009年。视图:谷歌学术搜索
134. w·陈,p .太阳,y, w·w·郭,y,和z,“MimoPro:更高效的基于web的工具表位预测使用噬菌体展示库,”BMC生物信息学,12卷,不。1,p。199年,2011。视图:出版商的网站|谷歌学术搜索
135. w·陈,w·w·郭黄y和z,“PepMapper:协作网络映射工具从affinity-selected多肽抗原表位,”《公共科学图书馆•综合》,7卷,不。5篇文章e37869 2012。视图:出版商的网站|谷歌学术搜索
136. h·安萨里和g p s Raghava构象b细胞抗原表位的识别从它的主要抗原序列,”Immunome研究》第六卷,没有。1,p。2010。视图:出版商的网站|谷歌学术搜索
137. c . m . Diez-Rivero和p . a . Reche CD8 T细胞表位分布在蛋白质生物合成病毒显示模式,”《公共科学图书馆•综合》,7卷,不。8篇文章e43674 2012。视图:出版商的网站|谷歌学术搜索
138. d . r .花,k·麦克唐纳,k . Ramakrishnan m·n·戴维斯与中情局Doytchinova,“计算机辅助选择的候选疫苗抗原,”Immunome研究》第六卷,补充2,S1, 2010 p。视图:出版商的网站|谷歌学术搜索
139. m . Molero-Abraham j.p.镶块,d . r .花,e . m . Lafuente和p . a . Reche”EPIPOX: immunoinformatic表征共享t细胞的天花病毒和相关致病orthopoxviruses之间的缩影,“免疫学研究期刊》的研究ID 738020条,卷。2015年,11页,2015年。视图:出版商的网站|谷歌学术搜索
140. p . a . Reche d . b . Keskin是p . Ancuta r·e·赫西d . Gabuzda和e . l . Reinherz”引出virus-naive个体的细胞毒性T淋巴细胞针对守恒的hiv - 1抗原表位,”医学免疫学,5卷,不。1,p。2006。视图:出版商的网站|谷歌学术搜索
141. 问:m·谢赫·d·采集者,p . a . Reche和d . r .花,”向以知识为基础的设计通用流感疫苗抗原决定基合奏,”生物信息学,32卷,不。21日,第3239 - 3233页,2016年。视图:出版商的网站|谷歌学术搜索
142. s . j . Goodswen p . j .肯尼迪和j·t·埃利斯。”Vacceed:高通量在网上候选疫苗发现管道基于反向疫苗学的真核病原体,”生物信息学,30卷,不。16,2381 - 2383年,2014页。视图:出版商的网站|谷歌学术搜索
143. m . Rizwan纳兹,j·艾哈迈德et al .,“VacSol:硅片管道的高吞吐量预测原核的病原体的潜在治疗靶点使用减去反向疫苗学,”BMC生物信息学,18卷,不。1,p。106年,2017。视图:出版商的网站|谷歌学术搜索
144. h·杨和d s金”,从表位肽疫苗开发免疫疗法:佐剂,”蛋白质化学和结构生物学的进步卷,99年,页1 - 14,2015。视图:出版商的网站|谷歌学术搜索
145. a . Di Pasquale s Preiss f·塔瓦雷斯Da Silva, n .侍者,“疫苗佐剂:从1920年到2015年及以后,”疫苗,3卷,不。2、320 - 343年,2015页。视图:出版商的网站|谷歌学术搜索
146. f·阿,a·a·艾哈迈德Fuaad m . Skwarczynski和托斯,“最近进展为肽链型亚单位疫苗佐剂的发现,“人类疫苗和免疫治疗,10卷,不。3、778 - 796年,2014页。视图:出版商的网站|谷歌学术搜索
147. g . Nagpal, Chaudhary k . s . k . Dhanda和g p s Raghava”计算预测的潜在免疫调节RNA序列,”分子生物学方法卷,1632年,第90 - 75页,2017年。视图:出版商的网站|谷歌学术搜索

版权

版权©2017何塞·l·Sanchez-Trincado et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。