热点事件观察中

TERP：TCR-肽结合特异性预测工具发布

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

研究团队开发并上线了 TERP（TCR-Epitope Recognition Prediction），用于预测 TCR 与 pMHC 的结合特异性；该工具可通过 http://www.nii.ac.in/TERP 免费使用，网站基于 Django Python 框架开发，支持主流浏览器。方法上，团队系统比较了 TCR CDR3β 序列与候选肽抗原的不同嵌入方式，并测试了 CNN、ANN、随机森林、XGBoost、逻辑回归和朴素贝叶斯等多种机器学习方法。作者称，在使用朴素 TCR 和随机非 cognate 配对两类负样本数据集、多种测试集划分进行基准评测后，随机森林算法与 BLOSUM50 特征表现最好。

AI 根据报道生成 · 1 小时前更新

最新进展10月25日 20:34

TERP：基于机器学习的 TCR-肽结合特异性预测工具发布

报道时间线

沿着报道，了解事件的不同侧面。

10月25日

20:34
Bioinformatics Advances
TERP：基于机器学习的 TCR-肽结合特异性预测工具发布
研究团队开发了 TERP（TCR-Epitope Recognition Prediction），用于预测 TCR 与 pMHC 的结合特异性，并上线为免费网页工具。方法上，作者系统比较了 TCR CDR3β 序列与候选肽抗原的不同嵌入方式，以及 CNN、ANN、随机森林、XGBoost、逻辑回归和朴素贝叶斯等多种机器学习方法。使用朴素 TCR 和随机非 cognate 配对两类负样本数据集、多种测试集划分进行基准评测后，随机森林算法与 BLOSUM50 特征表现最好。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。