Linear B-cell epitopes are critically important for immunological applications, such as vaccine design, immunodiagnostic test, and antibody production, as well as disease diagnosis and therapy. The accurate identification of linear B-cell epitopes remains challenging despite several decades of research. In this work, we have developed a novel predictor, Identification of Linear B-cell Epitope (iLBE), by integrating evolutionary and sequence-based features. The successive feature vectors were optimized by a Wilcoxon-rank sum test. Then the random forest (RF) algorithm using the optimal consecutive feature vectors was applied to predict linear B-cell epitopes. We combined the RF scores by the logistic regression to enhance the prediction accuracy. iLBE yielded an area under curve score of 0.809 on the training dataset and outperformed other prediction models on a comprehensive independent dataset. iLBE is a powerful computational tool to identify the linear B-cell epitopes and would help to develop penetrating diagnostic tests. A web application with curated datasets for iLBE is freely accessible at http://kurata14.bio.kyutech.ac.jp/iLBE/.

B細胞リニアエピトープは、ワクチンの設計、免疫診断テスト、抗体産生、疾患の診断や治療などの免疫学的応用に非常に重要である。B細胞リニアエピトープの正確な同定は、数十年の研究にもかかわらず、依然として挑戦的課題のままである。本研究では、配列の進化的特徴や物理化学的特徴等を統合することにより、新規なB細胞エピトープ予測モデル（iLBE）を開発した。Wilcoxon順位和検定によって最適化した特徴ベクトル群をランダムフォレスト（RF）アルゴリズムを用いて学習して、B細胞リニアエピトープの予測スコアを計算した。ロジスティック回帰を用いてRFスコアを組合せて、予測精度を高めた。 iLBEは、トレーニングデータセットで0.809のAUCを達成し、独立のテストデータセットを用いた検定では、既存の予測モデルの性能を超えた。 B細胞リニアエピトープを同定する強力な計算ツールであるiLBEは、診断テストの開発に有用である。注釈付きデータセットを備えたiLBE モデルのウエブアプリケーションは自由にアクセスできるhttp://kurata14.bio.kyutech.ac.jp/iLBE/。




PDF全文下载地址:

http://gpb.big.ac.cn/articles/download/815