A neural network modeling of the immunogenic activity of tumor derived peptides

Abstract

Los péptidos derivados de proteínas específicas de tumores pueden activar el sistema inmune contra las células tumorales. Para promover la respuesta inmune, los péptidos deben primero unirse a las moléculas del complejo principal de histocompatibilidad. Aunque algunas posiciones de la secuencia del péptido inmunogénico necesitan aminoácidos "ancla" específicos, el resto de los residuos también influye en la afinidad de la unión. Modelamos el efecto de la sustitución de aminoácidos, en la afinidad de unión de los péptidos utilizando una red neural artificial. La red predice correctamente la especificidad de las posiciones de anclaje, pero también sugiere que los aminoácidos con propiedades similares pueden ser incluidos en la secuencia de los péptidos con alta probabilidad de tener alta afinidad de unión.

Peptides derived from tumor-specific proteins can activate the immune system against tumor cells. To promote the immune response, peptides must first bind to the major histocompatibility complex molecules. Although some positions of the immunogenic peptide sequence need specific “anchor” amino acids, the rest of the residues also influence the binding affinity. We modeled the effect of amino acids substitution on the binding affinity of peptides using an artificial neural network. The network correctly predicts the specificity of the anchor positions but also suggests that amino acids with similar properties can be included in the sequence of the peptides with high probability of having high binding affinity.