查看“NetMHCpan”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;" | NetMHCpan
|-
| 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;">NetMHCpan 神经网络架构：基于泛等位基因（Pan-specific）的预测模型</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;" | 丹麦技术大学 (DTU)
|-
! 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;" | NetMHCpan 4.1
|-
! 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;" | 人工神经网络 (ANN)
|-
! style="text-align: left; padding: 6px 0; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: normal;" | 核心指标
| style="padding: 6px 0; border-bottom: 1px solid #f1f5f9; text-align: right;" | $IC_{50}$ 亲和力, 百分位秩 (Rank%)
|-
! style="text-align: left; padding: 6px 0; color: #64748b; font-weight: normal;" | 临床目标
| style="padding: 6px 0; text-align: right;" | [[新抗原预测]]、[[TCR-T治疗]] 靶点筛选
|}
</div>

'''NetMHCpan''' 是一种基于人工神经网络（ANN）的高性能生物信息学服务器，用于预测肽段与几乎任何已知序列的主要组织相容性复合体 I 类（MHC-I/HLA-I）分子之间的结合。该算法的突破性在于其“泛等位基因”（Pan-specific）技术，通过将 HLA 结合槽的特征序列转化为“伪序列”，实现了对从未经过实验测试的罕见 HLA 型别进行精准的交叉预测。



在 2025 年的免疫治疗管线中，NetMHCpan 4.1 通过整合数以百万计的洗脱配体（EL）质谱数据与体外结合亲和力（BA）数据，已成为鉴定肿瘤 **[[新抗原]]** 和筛选高效 **[[TIL疗法]]** 克隆的国际行业标准工具。

== 技术逻辑与版本特性 ==
NetMHCpan 的预测性能依赖于其对 pMHC 交互物理特征的深度建模：
* **多源数据融合**：最新版本不仅考虑物理结合强度（BA），还整合了大规模质谱数据（EL），从而能捕捉细胞内抗原加工（如蛋白酶体切割偏好）的规律。
* **百分位秩 (Rank%)**：为了消除不同 HLA 等位基因间结合基序（Motif）的背景差异，NetMHCpan 引入了 Rank% 指标。通常 Rank < 0.5% 被定义为强结合子（Strong Binder）。
* **覆盖范围**：支持 8-15 氨基酸长度的短肽，覆盖了 $CD8^+$ T 细胞识别的绝大多数表位。

<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;">输入突变肽段序列 + HLA 亚型</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;">神经网络模拟 pMHC 交互力场</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;">输出 Rank% 评分并确定免疫原性优先级</span>
</div>

== 技术性能评估 (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;" | NetMHCpan 算法性能评估指标
|- 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;" | 临床表现与技术特征
|- style="border-bottom: 1px solid #f1f5f9;"
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | **HLA 型别覆盖**
| style="text-align: left; padding: 12px 15px; color: #374151; line-height: 1.6;" | **全球领先**。支持超过 10,000 种 HLA-A, B, C 等位基因，甚至支持部分非人类灵长类动物的 MHC 预测。
|- style="border-bottom: 1px solid #f1f5f9;"
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | **预测准确率**
| style="text-align: left; padding: 12px 15px; color: #374151; line-height: 1.6;" | **高 PPV (阳性预测值)**。通过整合 EL 数据，该算法对真实呈递抗原的预测准确率一致性优于仅基于物理结合力的传统模型。
|- style="border-bottom: 1px solid #f1f5f9;"
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | **配套分析**
| style="text-align: left; padding: 12px 15px; color: #374151; line-height: 1.6;" | 建议在关键新抗原筛选中，配合 **NetMHCstabpan** 评估 [[MHC-Peptide稳定性]]，以获得更准确的免疫原性预判。
|}
</div>

== 参考文献 ==
* [1] Nielsen M, et al. NetMHCpan-4.1 and NetMHCIIpan-4.0: improved predictions of MHC antigen presentation by integrating eluted ligand and binding affinity data. Nucleic Acids Research. 2020;48(W1):W449-W454.
* [2] Jurtz V, et al. NetMHCpan-4.0: Improved Prediction of MHC Antigen Presentation by Integration of Eluted Ligand Datasets. Journal of Immunology. 2017;199(9):3360-3368.
* [3] Vita R, et al. The Immune Epitope Database (IEDB): 2019 update. Nucleic Acids Research. 2019;47(D1):D339-D343.
* [4] O'Donnell TJ, et al. MHCflurry: Open-Source Class I MHC Binding Affinity Prediction. Cell Systems. 2018;7(1):129-132.
* [5] NCCN Guidelines Version 1.2025: Biomarker Profiling - Principles of Neoantigen Prediction.

{{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;">精准免疫计算与新抗原技术导航</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;" | [[NetMHCpan]] • [[MHCflurry]] • [[DeepHLA]] • [[NetMHCstabpan]] • [[MHC亲和力预测]]
|-
! 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]] • [[百分位秩Rank]] • [[洗脱配体EL]] • [[MHC伪序列]]
|-
! 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细胞免疫原性]] • [[AI辅助辅助决策系统]]
|}
</div>

[[Category:生物信息学]] [[Category:免疫学]] [[Category:肿瘤学]] [[Category:算法]]