catELMo

Kontextbewusste Aminosäure-Einbettungsanalyse der Analyse von TCR-Epitop-Wechselwirkungen

Catelmo ist ein bidirektionales Aminosäure-Einbettungsmodell, das kontextualisierte Aminosäuredarstellungen lernt und eine Aminosäure als Wort und eine Sequenz als Satz behandelt. Es lernt Muster von Aminosäuresequenzen mit seinem Selbst-Supervision-Signal, indem sie jeweils die nächste Aminosäure-Token aufgrund seiner vorherigen Token vorhergesagt. Es wurde auf 4.173.895 TCR ausgebildet $ beta $ CDR3 -Sequenzen (52 Millionen Aminosäure -Token) aus Immunoseq. Catelmo ergibt einen realwerten Darstellungsvektor für eine Sequenz von Aminosäuren, die als Eingangsmerkmale verschiedener nachgeschalteter Aufgaben verwendet werden kann. Dies ist die offizielle Umsetzung von Catelmo.

Veröffentlichung

Kontextbewusste Aminosäure-Einbettungsanalyse der Analyse von TCR-Epitop-Wechselwirkungen
Pengfei Zhang ^1,2 , Michael Cai ^1,2 , Seojin Bang ² , Heewook Lee ^1,2
1 School of Computing and Augmented Intelligence, Arizona State University, ² Biodesign Institute, Arizona State University
Veröffentlicht in: Elife, 2023.

Papier | Code | Poster | Folien | Präsentation (YouTube)

Abhängigkeiten

• Linux
• Python 3.6.13
• Keras 2.6.0
• Tensorflow 2.6.0

Schritte zum Training eines Vorhersagemodells für Bindungsaffinität für TCR-Epitop-Paare.

1. Klonen Sie das Repository klonen

git clone https://github.com/Lee-CBG/catELMo
cd catELMo/
conda create --name bap python=3.6.13
pip install pandas==1.1.5 tensorflow==2.6.0 keras==2.6.0 scikit-learn==0.24.2 tqdm
source activate bap

2. Bereiten Sie TCR-Epitope-Paare für das Training und Test vor

• Laden Sie Trainings- und Testen von Daten aus datasets -Ordner herunter.
• Erhalten Sie Einbettungen für TCR und Epitope nach Anweisungen aus dem Ordner embedders .

3.. Zug- und Testmodelle

Ein Beispiel für die Aufteilung von Epitopen

python -W ignore bap.py 
                --embedding catELMo_4_layers_1024 
                --split epitope 
                --gpu 0 
                --fraction 1 
                --seed 42

Zitat

Wenn Sie diesen Code verwenden oder unseren Catelmo für Ihre Recherche verwenden, zitieren Sie bitte unser Papier:

 @article {catelmobiorxiv,
	author = {Pengfei Zhang and Seojin Bang and Michael Cai and Heewook Lee},
	title = {Context-Aware Amino Acid Embedding Advances Analysis of TCR-Epitope Interactions},
	elocation-id = {2023.04.12.536635},
	year = {2023},
	doi = {10.1101/2023.04.12.536635},
	publisher = {Cold Spring Harbor Laboratory},
	journal = {bioRxiv}
}

Lizenz

Diese Arbeit ist im Rahmen einer kreativen Commons Attribution-Noncommercial-Noderivatives 4.0 International Lizenz lizenziert.