利用深度學(xué)習(xí)剖析人類白血球抗原之各種等位基因辨識(shí)抗原的差異

計(jì)算與系統(tǒng)生物學(xué)研究中心副主任陳倩瑜老師(生物資源暨農(nóng)學(xué)院生物機(jī)電工程學(xué)系)領(lǐng)導(dǎo)研究團(tuán)隊(duì)與臺(tái)灣人工智慧實(shí)驗(yàn)室合作，團(tuán)隊(duì)成員包括中心主任阮雪芬老師(生命科學(xué)院生命科學(xué)系)與中央研究院資訊科學(xué)所蔡懷寬研究員，利用深度神經(jīng)網(wǎng)路對(duì)第一類MHC蛋白質(zhì)(MHC class I，MHC-I)會(huì)結(jié)合進(jìn)而表現(xiàn)的勝肽序列特徵進(jìn)行學(xué)習(xí)，研究成果近期發(fā)表於Nature出版的期刊Communications Biology，所開發(fā)的工具M(jìn)HCfovea (https://mhcfovea.ailabs.tw/)，將人類對(duì)各種等位基因的瞭解，從原先有實(shí)驗(yàn)數(shù)據(jù)的150種，擴(kuò)充到13,008種，展示深度學(xué)習(xí)在多體學(xué)大數(shù)據(jù)能扮演的關(guān)鍵角色。

MHC-I在人類身體中的功能，是負(fù)責(zé)辨識(shí)特定的勝肽序列片段(peptide)，然後一起移動(dòng)到細(xì)胞膜上，讓T細(xì)胞知道可能有因?yàn)楦腥舅a(chǎn)生的外來抗原，或是因?yàn)榘┌Y所產(chǎn)生的新生抗原。舉例來說，新冠病毒入侵人體後，會(huì)利用人類的細(xì)胞製造病毒蛋白，這些蛋白質(zhì)的片段就有可能被 MHC-I辨識(shí)，進(jìn)而通知T細(xì)胞啟動(dòng)免疫反應(yīng)。MHCfovea首先利用150種有實(shí)驗(yàn)數(shù)據(jù)的等位基因進(jìn)行深度學(xué)習(xí)，再用所建立的模型預(yù)測(cè)其他12,858種等位基因所辨識(shí)的序列，並將所得到的序列特徵進(jìn)行分群整理，歸納出32個(gè)等位基因的重要胺基酸與其結(jié)合特徵(motif)的配對(duì)關(guān)係。

MHCfovea共使用395,581筆實(shí)驗(yàn)數(shù)據(jù)，搭配超過2千萬條的人類蛋白質(zhì)序列片段來增加負(fù)樣本的數(shù)量，每一筆資料包含一條長度為182的蛋白質(zhì)序列和一段長度為8~15的胺基酸片段，用來訓(xùn)練深度學(xué)習(xí)模型。為了解決正負(fù)樣本比例懸殊的問題，MHCfovea運(yùn)用降低取樣 (down-sampling) 的技術(shù)，先將負(fù)樣本切分成多組資料，每一組都搭配相同的正樣本建立預(yù)測(cè)模型，最後再用整合學(xué)習(xí) (ensemble learning) 的概念將預(yù)測(cè)結(jié)果整合。MHCfovea比起現(xiàn)有的其他預(yù)測(cè)工具提供更精準(zhǔn)的預(yù)測(cè)結(jié)果，涵蓋更多的等位基因，預(yù)期能有效幫助研究人員在抗原分析與疫苗設(shè)計(jì)時(shí)將不同等位基因特性納入考量，達(dá)到精準(zhǔn)標(biāo)的或個(gè)人化治療之終極目標(biāo)。

Communications Biology 研究成果全文：https://www.nature.com/articles/s42003-021-02716-8