TCEPVDB: Artificial Intelligence-Based Proteome-Wide Screening of Antigens and Linear T-Cell Epitopes in the Poxviruses and the Development of a Repository
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Poxviruses constitute a family of large dsDNA viruses that can infect a plethora of species including humans. Historically, poxviruses have caused a health burden in multiple outbreaks. The large genome of poxviruses favors reverse vaccinology approaches that can determine potential antigens and epitopes. Here, we propose the modeling of a user-friendly database containing the predicted antigens and epitopes of a large cohort of poxvirus proteomes using the existing PoxiPred method for reverse vaccinology of poxviruses. METHODS: In the present study, we obtained the whole proteomes of as many as 37 distinct poxviruses. We utilized each proteome to predict both antigenic proteins and T-cell epitopes of poxviruses with the aid of an Artificial Intelligence method, namely the PoxiPred method. RESULTS: In total, we predicted 3966 proteins as potential antigen targets. Of note, we considered that this protein may exist in a set of proteoforms. Subsets of these proteins constituted a comprehensive repository of 54,291 linear T-cell epitopes. We combined the outcome of the predictions in the format of a web tool that delivers a database of antigens and epitopes of poxviruses. We also developed a comprehensive repository dedicated to providing access to end-users to obtain AI-based screened antigens and T-cell epitopes of poxviruses in a user-friendly manner. These antigens and epitopes can be utilized to design experiments for the development of effective vaccines against a plethora of poxviruses. CONCLUSIONS: The TCEPVDB repository, already deployed to the web under an open-source coding philosophy, is free to use, does not require any login, does not store any information from its users.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle