查看“MHCflurry”的源代码

<div class="medical-infobox" style="font-size: 0.85em;">
{| style="width: 100%; background: none; border-spacing: 0;"
|+ style="font-size: 1.35em; font-weight: bold; margin-bottom: 10px; color: #1a202c;" | MHCflurry
|-
| colspan="2" | 
<div class="infobox-image-wrapper" style="padding: 25px; background-color: #f8fafc; border: 1px solid #f1f5f9; border-radius: 12px; text-align: center;">

<div style="font-size: 0.85em; color: #94a3b8; margin-top: 10px; font-weight: normal;">MHCflurry 架构：基于集成深度学习的抗原呈递预测模型</div>
</div>
|-
! style="text-align: left; padding: 6px 0; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: normal;" | 开发团队
| style="padding: 6px 0; border-bottom: 1px solid #f1f5f9; font-weight: 600; text-align: right;" | 纽约西奈山伊坎医学院 (Icahn School of Medicine at Mount Sinai)
|-
! style="text-align: left; padding: 6px 0; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: normal;" | 最新版本
| style="padding: 6px 0; border-bottom: 1px solid #f1f5f9; text-align: right;" | MHCflurry 2.0
|-
! style="text-align: left; padding: 6px 0; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: normal;" | 算法核心
| style="padding: 6px 0; border-bottom: 1px solid #f1f5f9; text-align: right;" | 卷积神经网络 (CNN) 集成模型
|-
! style="text-align: left; padding: 6px 0; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: normal;" | 核心参数
| style="padding: 6px 0; border-bottom: 1px solid #f1f5f9; text-align: right;" | $IC_{50}$ 结合力, 呈递评分 (PS)
|-
! style="text-align: left; padding: 6px 0; color: #64748b; font-weight: normal;" | 许可协议
| style="padding: 6px 0; text-align: right;" | Apache License 2.0 (开源)
|}
</div>

'''MHCflurry''' 是一款基于深度学习（Deep Learning）的开源算法框架，专门用于预测肽段与主要组织相容性复合体 I 类（MHC-I）分子的结合亲和力。作为 **[[新抗原预测]]** 领域的重要工具，MHCflurry 不仅能计算物理结合强度，还通过其 2.0 版本引入了专门的“呈递模型”（Presentation Model），该模型整合了抗原加工动力学（如蛋白酶体切割及 TAP 转运），显著提升了对细胞表面真实展示抗原的预测精度。



在 2025 年的精准免疫诊疗中，MHCflurry 因其开源透明性、高性能的本地化部署能力以及对罕见 [[HLA分型]] 的良好支持，成为开发个性化肿瘤疫苗和筛选 **[[TCR-T治疗]]** 靶点的核心组件。

== 核心技术逻辑与 2.0 特性 ==
MHCflurry 的性能优势来源于其独特的模型设计：
* **集成学习 (Ensemble Learning)**：通过训练多个不同结构的卷积神经网络（CNN）并取其加权平均值，有效降低了单模型的预测偏置。
* **双模型架构**：
** **Affinity Model**：纯粹预测肽段与 MHC 结合槽的亲和力（以 $IC_{50}$ 表示）。
** **Presentation Model**：通过对大规模质谱（MS）洗脱数据建模，学习细胞内抗原加工的非序列依赖性特征。
* **泛等位基因支持**：利用 HLA 伪序列（Pseudo-sequences）技术，支持对超过 14,000 种 HLA 分子的亲和力外推预测。

<div style="text-align: center; margin: 30px 0; padding: 15px; background: #fdfdfd; border-top: 1px solid #eee; border-bottom: 1px solid #eee;">
    <span style="font-family: 'Times New Roman', serif; font-size: 1.1em; font-weight: bold; color: #2563eb;">全外显子组 (WES) 提取突变肽段</span>
    <span style="margin: 0 15px; color: #94a3b8; font-size: 1.4em;">→</span>
    <span style="font-family: 'Times New Roman', serif; font-size: 1.1em; color: #d93025; font-weight: bold;">MHCflurry 2.0 呈递概率评分</span>
    <span style="margin: 0 15px; color: #94a3b8; font-size: 1.4em;">→</span>
    <span style="font-family: 'Times New Roman', serif; font-size: 1.2em; font-weight: bold; color: #059669;">鉴定具有免疫原性的真[[新抗原]]</span>
</div>

== 技术评估与对比 (2025 修订版) ==
<div style="overflow-x: auto; width: 90%; margin: 25px auto;">
{| class="wikitable" style="width: 100%; border-collapse: collapse; border: none; box-shadow: 0 4px 15px rgba(0,0,0,0.08); font-size: 0.95em; background-color: #fff;"
|+ style="font-weight: bold; font-size: 1.1em; margin-bottom: 12px; color: #2c3e50; text-align: center;" | MHCflurry 与主流预测算法性能评估
|- style="background-color: #eaeff5; color: #2c3e50; border-bottom: 2px solid #dce4ec;"
! style="text-align: left; padding: 12px 15px; width: 22%;" | 评估维度
! style="text-align: left; padding: 12px 15px; width: 39%;" | **MHCflurry 2.0**
! style="text-align: left; padding: 12px 15px; width: 39%;" | **NetMHCpan 4.1**
|- style="border-bottom: 1px solid #f1f5f9;"
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | **可访问性**
| style="text-align: left; padding: 12px 15px; color: #059669;" | **完全开源**，支持本地大规模训练。
| style="text-align: left; padding: 12px 15px;" | 闭源。学术免费，商业需授权。
|- style="border-bottom: 1px solid #f1f5f9;"
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | **模型架构**
| style="text-align: left; padding: 12px 15px;" | CNN 集成模型。
| style="text-align: left; padding: 12px 15px;" | 简单前馈神经网络 (FFN)。
|- style="border-bottom: 1px solid #f1f5f9;"
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | **呈递预测性能**
| style="text-align: left; padding: 12px 15px; color: #059669;" | **卓越**。通过 PS 评分有效过滤假阳性。
| style="text-align: left; padding: 12px 15px;" | 优秀。通过 EL 评分评估展示概率。
|- style="border-bottom: 1px solid #f1f5f9;"
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | **资源消耗**
| style="text-align: left; padding: 12px 15px;" | 较高（需 GPU 加速集成推理）。
| style="text-align: left; padding: 12px 15px;" | 较低。
|}
</div>

== 参考文献 ==
* [1] O'Donnell TJ, et al. MHCflurry: Open-Source Class I MHC Binding Affinity Prediction. Cell Systems. 2018;7(1):129-132. (MHCflurry 初始版本奠基文献)
* [2] O'Donnell TJ, et al. MHCflurry 2.0: Predicting MHC Class I Antigen Presentation by Integrating Binding Affinity and Eluted Peptide Data. Cell Systems. 2020;11(1):42-48. (2.0 版本呈递模型发布)
* [3] Bulik-Sullivan B, et al. Deep learning using tumor HLA peptide mass spectrometry data improves neoantigen identification. Nature Biotechnology. 2018.
* [4] Vita R, et al. The Immune Epitope Database (IEDB): 2024 update. Nucleic Acids Research. 2024.
* [5] NCCN Guidelines Version 1.2025: Biomarker Profiling in Advanced Cancers - Antigen Discovery Tools.

{{reflist}}

<div style="clear: both; margin-top: 40px; border: 1px solid #a2a9b1; background-color: #f8f9fa; border-radius: 4px; overflow: hidden; font-size: 0.85em;">
<div style="background-color: #dee2e6; text-align: center; font-weight: bold; padding: 6px; border-bottom: 1px solid #a2a9b1; color: #374151;">精准免疫算法与计算生物学导航</div>
{| style="width: 100%; background: transparent; border-spacing: 0;"
|-
! style="width: 15%; padding: 8px; background-color: #f1f5f9; text-align: right; border-bottom: 1px solid #fff;" | 核心工具
| style="padding: 8px; border-bottom: 1px solid #fff;" | [[MHCflurry]] • [[NetMHCpan]] • [[DeepHLA]] • [[IEDB]] • [[NetMHCstabpan]]
|-
! style="text-align: left; width: 15%; padding: 8px; background-color: #f1f5f9; text-align: right; border-bottom: 1px solid #fff;" | 评估指标
| style="padding: 8px; border-bottom: 1px solid #fff;" | [[IC50亲和力]] • [[呈递评分PS]] • [[Rank百分位]] • [[MHC-Peptide稳定性]]
|-
! style="text-align: left; width: 15%; padding: 8px; background-color: #f1f5f9; text-align: right;" | 临床转化
| style="padding: 8px;" | [[新抗原预测]] • [[TCR-T筛选]] • [[TIL细胞识别评估]] • [[AI辅助诊疗系统]]
|}
</div>

[[Category:生物信息学]] [[Category:人工智能]] [[Category:肿瘤学]] [[Category:算法]]