Los epítopos son regiones específicas en la superficie de un antígeno que el sistema inmunitario reconoce. Los epitopos son generalmente regiones de proteínas en entidades extranjeras inmunitarias estimulantes como virus y bacterias, y en algunos casos, las proteínas endógenas pueden actuar como antígenos. Identificar las epitopías es crucial para acelerar el desarrollo de vacunas e inmunoterapias. Sin embargo, mapear epitopes en proteomas patógenos es un reto usando métodos convencionales. Proteger bibliotecas artificiales de neoepitope contra anticuerpos puede superar este problema. Aquí, aplicamos análisis de secuencias convencionales y métodos inspirados en el procesamiento de lenguaje natural para revelar patrones de secuencia específicos en los epitopes lineales depositados en la Base de Datos de Epitope Immune (www.iedb.org) que pueden servir como bloques de construcción para el diseño de bibliotecas epitope universales. Nuestros resultados revelan que la frecuencia de aminoácidos en epitopes lineales anotados difiere de eso en el proteoma humano. Los residuos aromáticos están sobrerrepresentados, mientras que la presencia de cisteínas es prácticamente nula en los epitopos. La tokenización por par de byte muestra altas frecuencias de triptófano en fichas de 5, 6, y 7 aminoácidos, corroborando los hallazgos del análisis de secuencia convencional. Estos resultados se pueden aplicar para reducir la diversidad de bibliotecas epitope lineales por órdenes de magnitud. (Traducción automática)
