当前位置：
X-MOL 学术
›
Phys. Rev. E
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
T细胞受体序列的生成模型。
Physical Review E ( IF 2.2 ) Pub Date : 2020-06-15 , DOI: 10.1103/physreve.101.062414
Giulio Isacchini 1, 2 , Zachary Sethna 3 , Yuval Elhanati 3 , Armita Nourmohammad 1, 4, 5 , Aleksandra M Walczak 2 , Thierry Mora 2
Physical Review E ( IF 2.2 ) Pub Date : 2020-06-15 , DOI: 10.1103/physreve.101.062414
Giulio Isacchini 1, 2 , Zachary Sethna 3 , Yuval Elhanati 3 , Armita Nourmohammad 1, 4, 5 , Aleksandra M Walczak 2 , Thierry Mora 2
Affiliation
|
T细胞受体（TCR）是适应性免疫系统的关键蛋白，在每个人中随机产生，其多样性是我们识别感染和恶性肿瘤的能力的基础。TCR序列的分布模型对免疫学和医学应用至关重要。在这里，我们比较了两种在高通量测序数据上训练的推理方法：一种以知识为指导的方法，该方法说明了序列生成的细节，并辅之以物理学启发的选择模型；基于深度人工神经网络的无知识变分自编码器。我们表明，知识指导模型在预测TCR概率方面胜过深度网络方法，同时更易于解释，且计算成本较低。
"点击查看英文标题和摘要"
更新日期：2020-06-15
"点击查看英文标题和摘要"
京公网安备 11010802027423号