Key points are not available for this paper at this time.
私たちは以下のことを発見しました。1) HLA DR 分子用に開発された予測手法は、DP または DQ 分子に対しても同様に良好に機能します。2) 利用可能なトレーニングデータの量が増加したため、予測性能は以前の報告と比較して有意に向上しました。3) トレーニングデータセットとテストデータセット間で同系のペプチドが存在することは、予測性能メトリックの実世界の推定を提供するためには避けるべきですが、異なる予測因子の相対的な順位には同系ペプチドの存在はほとんど影響しません。エンドユーザーアプリケーション用に設計された予測因子は、最大の性能を得るためにすべてのトレーニングデータを含むべきです。4) 最近開発された NN-align 予測法は、すべての予測手法に基づく単純なコンセンサスを含む他のすべてのアルゴリズムを大きく上回りました。相対的に弱い ARB 予測法を除外する新しいコンセンサス手法は、NN-align 法を上回る可能性がありますが、MHC クラス II 結合予測を最適に統合する方法についてのさらなる研究が必要です。
Wang ら (Mon,) はこの問題を研究しました。