The Impact of peptide flanking residues on predicting peptide-MHC-II binding interactions using convolutional Neural Networks
Date
2022-04
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Stellenbosch : Stellenbosch University
Abstract
ENGLISH ABSTRACT: Major histocompatibility complex class II (MHC-II) is one of three classes of MHC
molecules and is located on the surface of professional antigen presenting cells.
MHC-II molecules present antigenic peptides derived from pathogens that cause
infection, for recognition by CD4+ T lymphocytes. MHC-II molecules are critical
components of the chain of intercellular interactions required for the adaptive im-
mune response to be launched successfully, as this chain is thought to begin with
the binding of antigenic peptides by MHC-II molecules.
While considerable progress in computational efforts have been made towards un-
derstanding peptide-MHC interactions for classes I and II, the case for peptide-
MHC-II remains challenging due to MHC-II molecules being highly polymorphic
and having open-ended binding grooves. Consequently, MHC-II molecules interact
with peptides of varying lengths; therefore, the role that peptide flanking residues
(PFRs) play in peptide-MHC-II binding interactions must be considered. We pro-
pose an allele-specific convolutional neural network model that simulates binding
interactions between peptides and MHC-II molecules that also incorporates PFR
information in the input.
Deep learning models for peptide-MHC-II interactions that have been published,
such as the allele-specific model, NetMHCII and the transallelic model NetMHCI-
Ipan have demonstrated encouraging predictive performance. When compared, our
proposed CNN model outperformed the latest version of the model, NetMHCII-2.3
across all MHC-II alleles considered with mean AUC value of 0.951 as compared with 0.822 for NetMHCII-3.2. Furthermore, we analysed the impact that PFRs have
on modelling peptide-MHC-II binding interactions and laid the foundations of de-
veloping a transallelic model based on the CNN model.
AFRIKAANSE OPSOMMING: Groot histoversoenbaarheidskompleks klas II (MHC-II) is een van drie klasse van MHC molekules en is geleë op die oppervlak van professionele antigeen-presenterende selle. MHC-II molekules bied antigeniese peptiede aan wat afkomstig is van pato- gene wat infeksie veroorsaak, vir herkenning deur CD4+ T limfosiete. MHC-II molekules is kritieke komponente van die ketting van intersellulêre interaksies wat nodig is vir die aanpasbare immuunrespons om suksesvol van stapel te stuur, aan- gesien hierdie ketting vermoedelik begin met die binding van antigeniese peptiede deur MHC-II molekules. Terwyl aansienlike vordering in berekeningspogings gemaak is om peptied-MHC interaksies vir klasse I en II te verstaan, bly die saak vir peptied-MHC-II uitdagend as gevolg van MHC-II-molekules wat hoogs polimorf is en oop-einde bindings- groewe het. Gevolglik, MHC-II molekules interaksie met peptiede van verskil- lende lengtes; daarom, moet die rol wat peptied flankerende residue (PFRs) speel in peptied-MHC-II bindende interaksies oorweeg word. Ons stel ’n alleel-spesifieke konvolusionele neurale netwerk model voor wat bindingsinteraksies tussen peptiede en MHC-II molekules simuleer wat ook PFR-inligting in die inset inkorporeer. Diep leer modelle vir peptied-MHC-II interaksies wat gepubliseer is, soos die al- leelspesifieke model, NetMHCII en die transalleliese model, NetMHCIIpan het be- moedigende voorspellende prestasie getoon. As dit vergelyk word, het ons voorge-stelde CNN-model beter gevaar as die nuutste weergawe van die model, NetMHCII- 2.3 oor alle MHC-II allele wat oorweeg word met gemiddelde AUC waarde van 0,951 in vergelyking met 0,822 vir NetMHCII-3.2. Verder het ons die impak wat PFRe het op die modellering van peptied-MHC-II bindingsinteraksies ontleed en die grondslag gelê van die ontwikkeling van ’n transalleliese model gebaseer op die CNN-model.
AFRIKAANSE OPSOMMING: Groot histoversoenbaarheidskompleks klas II (MHC-II) is een van drie klasse van MHC molekules en is geleë op die oppervlak van professionele antigeen-presenterende selle. MHC-II molekules bied antigeniese peptiede aan wat afkomstig is van pato- gene wat infeksie veroorsaak, vir herkenning deur CD4+ T limfosiete. MHC-II molekules is kritieke komponente van die ketting van intersellulêre interaksies wat nodig is vir die aanpasbare immuunrespons om suksesvol van stapel te stuur, aan- gesien hierdie ketting vermoedelik begin met die binding van antigeniese peptiede deur MHC-II molekules. Terwyl aansienlike vordering in berekeningspogings gemaak is om peptied-MHC interaksies vir klasse I en II te verstaan, bly die saak vir peptied-MHC-II uitdagend as gevolg van MHC-II-molekules wat hoogs polimorf is en oop-einde bindings- groewe het. Gevolglik, MHC-II molekules interaksie met peptiede van verskil- lende lengtes; daarom, moet die rol wat peptied flankerende residue (PFRs) speel in peptied-MHC-II bindende interaksies oorweeg word. Ons stel ’n alleel-spesifieke konvolusionele neurale netwerk model voor wat bindingsinteraksies tussen peptiede en MHC-II molekules simuleer wat ook PFR-inligting in die inset inkorporeer. Diep leer modelle vir peptied-MHC-II interaksies wat gepubliseer is, soos die al- leelspesifieke model, NetMHCII en die transalleliese model, NetMHCIIpan het be- moedigende voorspellende prestasie getoon. As dit vergelyk word, het ons voorge-stelde CNN-model beter gevaar as die nuutste weergawe van die model, NetMHCII- 2.3 oor alle MHC-II allele wat oorweeg word met gemiddelde AUC waarde van 0,951 in vergelyking met 0,822 vir NetMHCII-3.2. Verder het ons die impak wat PFRe het op die modellering van peptied-MHC-II bindingsinteraksies ontleed en die grondslag gelê van die ontwikkeling van ’n transalleliese model gebaseer op die CNN-model.
Description
Thesis (MSc)--Stellenbosch University, 2022.
Keywords
Peptide-MHC-II, UCTD, Peptides, Neural networks (Computer science), Major histocompatibility complex, Histocompatibility antigens -- Binding