1. Antikörper- und Antigenbindungsstellenermittlung durch Parapred im Vergleich zu anderen Deep Learning Algorithmen
- Author
-
Singh, Harmanvir
- Subjects
Aminosäuresequenz ,Protein-Interface-Erkennung ,Proteinsequenz ,Proteinbindungsstellen ,PPI ,Machine Learning ,Epitop ,Deep Learning ,Paratop ,Protein-Interface-Detection ,Antigen ,Antikörper ,Proteinschnittstelle ,Paratope ,Protein-Interface ,Epitope ,Protein-Sequence ,Protein-Binding-Site ,Aminoacid-Sequence ,Maschinelles Lernen ,Antibody - Abstract
Das Immunsystem der Wirbeltiere ist auf Antikörper angewiesen, die auch ein wirksames Instrument für Forschung und Diagnose darstellen. Obwohl die Aminosäuresequenz von Antikörpern dazu verwendet werden kann, die hypervariablen Bereiche zu identifizieren, die an der Bindung beteiligt sind, ist es immer noch schwierig, genau zu bestimmen, welche Aminosäuren mit dem Antigen in Kontakt kommen. In dieser Arbeit liegt der Fokus auf dem sequenzbasierten probabilistischen Deep Learning Algorithmus für die Vorhersage von Paratopen, genannt „Parapred“ von Edgar Liberis, Petar Veličković, Pietro Sormanni, Michele Vendruscolo und Pietro Liò, dessen Funktionsweise beschrieben und die Resultate mit derer anderer AI-Methoden verglichen werden, um die Vertrauenswürdigkeit dieses Tools zu evaluieren. Durchgeführt wird die Analyse auf Basis des zum Erdnussallergens Ara h 2 gehörenden Antikörpers PA12P3F10. Die angewandte Methodik beruht einerseits auf Literaturrecherche, aber vor allem auf Selbstanalyse des Algorithmus bzw. der Algorithmen (soweit möglich) und Eigeninterpretation des Vergleichszuges der erhaltenen Ergebnisse während der Forschungsarbeit. The vertebrate immune system relies on antibodies, which are also an effective tool for research and diagnosis. Although the amino acid sequence of antibodies can be used to identify the hypervariable regions involved in binding, it is still difficult to determine exactly which amino acids come into contact with the antigen. In this work, the focus is on the sequence-based probabilistic Deep Learning algorithm for paratope prediction, called "Parapred" by Edgar Liberis, Petar Veličković, Pietro Sormanni, Michele Vendruscolo and Pietro Liò, whereby the functionality is described and the results are compared to those of other AI-methods to evaluate the trustworthiness of this tool. The analysis is performed based on the antibody PA12P3F10 belonging to the peanut allergen Ara h 2. The applied methodology is based on literature research on the one hand, but mainly on self-analysis of the algorithm(s) (as far as possible) and self-interpretation of the comparison of the obtained results during the research work.
- Published
- 2023