펩타이드- HLA class I 결합의 정확한 예측은 면역치료 및 백신 개발에 필수적이지만, 기존 방법들은 펩타이드와 다양한 HLA 대립유전자 사이의 복잡한 생물학적 관계를 포착하는 데 종종 어려움을 겪는다. 여기서는 언어 모델 기반 임베딩(ELMo)과 이중 어텐션 메커니즘-자기 정렬 교차 어텐션 및 자기 어텐션을 결합하여 풍부한 문맥적 특징과 쌍별 상호작용을 포착하는 범특이(pan-specific) 예측 모델 SeqDA-HLA를 제시한다. 여러 벤치마크 데이터셋에서 14개의 최신(state-of-the-art) 방법들과의 평가를 수행한 결과, SeqDA-HLA는 경쟁 접근법을 일관되게 능가하며 AUC 값은 최대 0.9856, 정확도는 최대 0.9408에 이르렀다. 특히 SeqDA-HLA는 펩타이드 길이(8–14)와 HLA 대립유전자 전반에 걸쳐 견고한 성능을 유지하여 일반화 가능성을 보여준다. 예측 정확도뿐 아니라, SeqDA-HLA는 필수 앵커 잔기를 부각하고 핵심 결합 모티프를 드러냄으로써 해석가능성을 제공하며, 이는 실험적으로 검증된 생물학적 통찰과 부합한다. 더 나아가 실제 적용 가능성을 보여주기 위해, SeqDA-HLA를 인플루엔자 바이러스 데이터셋에서 미세조정하여 단일 아미노산 변이로 인해 유도된 결합 변화들을 성공적으로 예측한다. 종합하면, SeqDA-HLA는 펩타이드-HLA 결합 예측을 위한 강력하고 해석가능한 도구로서, 에피토프 기반 백신 설계 및 정밀 면역치료에 잠재적 응용이 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.