排序学习前向掩蔽模型在T细胞表位预测中的应用

作者：曾安; 潘丹; 郑启伦; 彭宏

来源：计算机应用, 2007, (01): 80-83.

• T细胞表位预测
• 排序学习
• 神经网络 T cell epitope prediction
• sequential learning
• neural networks

在综述了T细胞表位预测的定义,意义和研究现状的基础上,分析了当前流行的基于误差反向传播前馈神经网络(BPNN)的T细胞表位预测模型的不足,即网络结构较难确定、训练速度慢和难以增量学习等,提出了利用排序学习前向掩蔽(SLAM)模型及其增量学习算法作为T细胞表位预测方法,并给出了构建T细胞表位预测模型的基本步骤。基因HLA-DR4(B1*0401)编码的MHC II类分子结合肽的应用实例表明,与基于BPNN的T细胞表位预测模型相比,基于SLAM的T细胞表位预测模型不但能在极短时间内完成样本的学习,而且能有效地实现增量学习。

• 单位
  华南理工大学; 中国移动通信集团广东有限公司; 广东工业大学