Polski
Skuteczne przewidywanie epitopów cząsteczek kompleksu głównego zgodności tkankowej (MHC) stanowi kluczowy etap w projektowaniu szczepionek genetycznych. Skuteczne przewidywanie epitopów MHC klasy II jest trudniejsze niż w przypadku epitopów MHC klasy I ze względu na otwarty rowek wiązania na obu końcach cząsteczek klasy II; struktura ta powoduje zmienną długość epitopów MHC klasy II i utrudnia wykrycie 9-merowego rdzenia wiązania. W niniejszej książce przedstawiliśmy nowatorski algorytm klasyfikacyjny służący do przewidywania epitopów MHC klasy II z wykorzystaniem techniki uczenia wielokrotnego. Separated Constructive Clustering Ensemble (SCCE) to nasza nowa wersja algorytmu Constructive Clustering Ensemble (CCE). SCCE łączy algorytm genetyczny, klasteryzację K-medoidów, uczenie zespołowe oraz maszynę wektorów nośnych w ramach koordynacji mającej na celu przewidywanie epitopów MHC klasy II. SCCE zostało przetestowane na czterech zestawach danych porównawczych i osiągnęło średnią dokładność na poziomie 85%. Wyniki SCCE przewyższają większość najnowocześniejszych metod regresji. SCCE osiągnęło te wyniki, wykorzystując wyłącznie flagi wiązania i braku wiązania, bez konieczności stosowania danych regresji.
