Para citar este trabalho use um dos padrões abaixo:
Este trabalho descreve e compara abordagens em dois estágios para identificação de epítopos imunogênicos a partir de sequências peptídicas. No primeiro estágio, quatro detectores de uma classe (One-Class SVM, Isolation Forest, Autoencoder Convolucional e Deep SVDD foram treinados sobre epítopos do IEDB e testados frente a controles negativos experimentalmente validados. No segundo estágio, três arquiteturas de classificação ternária (XGBoost, CNN 1D e ESM-2 Classif.) foram avaliadas em duas modalidades de representação vetorial cada, totalizando cinco configurações comparadas para distinguir as classes MHC-I, MHC-II e Célula B. As representações combinam BLOSUM62 somado a descritores físico-químicos, e representações do modelo de linguagem ESM-2. O Deep SVDD obteve AUC-ROC de 0,990 com sensibilidade estável de 0,964; o XGBoost com representação combinada alcançou F1-macro de 0,777 na classificação ternária. Em ambas as etapas, a representação combinada superou o ESM-2.
Visualizações por mês
Contagem da Galoá, excluindo robôs conhecidos. Atualizado em 30/09/2026.
Visualizações por mês
Contagem da Galoá, excluindo robôs conhecidos. Atualizado em 30/09/2026.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo