通过可解释的解释建立对基于深度学习的免疫反应预测器的信任

摘要 能够预测肽是否会在主要组织相容性复合体（MHC）I类分子上呈现对疫苗设计具有深远意义。现有多种基于深度学习的MHC I类分子上肽呈现的预测器，具有很高的准确性。然而，这些MHC I类预测器被视为黑箱函数，提供的决策过程几乎不能被理解。为了在这些预测器上建立信任，理解其决策背后的理由并提供人类可解释的解释至关重要。我们提出了MHCXAI，解释性人工智能（XAI）技术，以帮助解释与输入肽特征相关的MHC I类预测器输出。在我们的实验中，我们对四个最先进的MHC I类预测器的输出进行了解释，并使用大量肽和MHC等位基因的数据集。此外，我们通过与真实结果进行比较和检查其鲁棒性来评估解释的可靠性。MHCXAI旨在增加对免疫反应领域基于深度学习的预测器的理解，并通过经过验证的解释建立信任。