阵列Pitope-1.0

基于肽芯片数据的抗原残基表位定位

ArrayPitope根据肽微阵列数据对感兴趣的抗原进行剩余水平的表位映射。

平台算法涉及对每个本地映射合成肽进行统计假设测试，并生成一份对保存与抗体的结合具有统计意义的抗原残基的报告作为输出（即高信号强度）。

提交

1.数组文件

数组文件应该是逗号或制表符分隔的文件，包含以下列名（大写不重要）：

列类型	接受的同义词
信号^要求的	信号，信号，原始，下午，强度
顺序^要求的	序列，序列，肽，低聚物，核心序列，探针序列
部门	秒，扇区，好的
波长	波长，nm

文件应经过gzip压缩，大小不应超过50 Mb。有关数组文件的示例，请参阅示例数据部分。

上载文件：

限制：输入阵列文件的总大小不能超过50 MB。这些文件应该用gzip压缩。

2.抗原序列

在中粘贴单个序列或多个序列美国金融服务贸易协会将格式设置为以下字段：

或在中提交文件美国金融服务贸易协会直接从本地磁盘格式化：

限制：每次提交最多200个蛋白质序列；每个序列不超过10000个氨基酸。

下载示例数据

有一个示例数据集可用于测试服务器功能。数据来源于Hansen等。[1] 并包含用多克隆抗HSA抗体探测的人血清白蛋白衍生肽的肽微阵列测量。

使用下面的下载链接下载微阵列和蛋白质序列数据文件，并将其提交给服务器进行测试。

微阵列文件：	下载
Fasta文件：	下载

[1] Hansen LB，Buus S，Schafer-Nielsen C（2013）数据来源：使用高密度肽阵列识别和定位人类血清白蛋白中的线性抗体表位。Dryad数字仓库。http://dx.doi.org/10.5061/dryad.3003f

3.提交

其他选项

行业：		包括的部门；例如all/1-6/A01、A04、A07、A08。默认值：全部
显著性阈值α：
肽长度：		强制算法仅对该长度的肽进行分析。默认值：算法使用数据来查找最频繁的长度。

保密性：
序列和阵列数据保密，并将被删除处理后！

说明

ArrayPitope根据肽微阵列数据对感兴趣的抗原进行剩余水平的表位映射。

该工具是根据肽微阵列研究设计的，目的是通过对源于靶抗原的肽进行详尽的氨基酸替代分析来表征线性抗体表位。

用法

提交分为四个步骤

上载阵列文件
上传或粘贴抗原序列
（可选）调整附加参数
提交作业

1.数组文件

数组文件应该是逗号或制表符分隔的文件，其中包含肽序列行和相应的信号值。这些行可以还包含扇区名称（例如阵列井“A01”）或波长值（例如“552”或“IgE”）。

标题行应该清楚地说明不同列包含的内容。可以使用以下列术语（大写无关紧要）：

列类型	接受的同义词
信号^要求的	信号，信号，原始，下午，强度
顺序^要求的	序列，序列，肽，低聚物，核心序列，探针序列
部门	秒，扇区，好的
波长	波长，nm

文件应经过gzip压缩，大小不应超过50 Mb。有关数组文件的示例，请参阅示例数据部分。

注：任何未从支持性抗原序列文件中导出的肽序列（包括单个氨基酸替换）都不会被处理。

2.抗原序列

这些序列用于引导阵列肽映射回其原始抗原序列并识别取代肽。

序列必须在美国金融服务贸易协会格式

序列可以以FASTA格式粘贴到输入字段中，而不是上传文件。

注：输出中不会报告没有衍生阵列肽的抗原序列。

3.附加选项

用户可以自定义以下默认算法参数：

选择要包含的扇区
如果不希望处理上传数据中的所有阵列井，通过在逗号分隔的列表，例如。A01、A03、A04。如果是数值井（0-99），也可以指定范围，例如1-6.

选择如何处理阵列布局
如果微阵列设计有物理上分离的扇区（井），请勾选这个单独处理扇区复选框。这将确保一个井中的肽与另一个井的衍生肽没有标准化好吧，接受不同的治疗。

选择显著性阈值
算法中的统计推断使用默认的显著性阈值0.0001，这意味着不正确拒绝零假设的概率小于0.01%（假阳性）。其他阈值可从以下下拉菜单中获得显著性阈值Alpha.

手动指定肽长度
该算法无法处理多个肽长度。如果是多肽数组数据中的长度，您可以指定希望的肽长度处理。默认情况下，算法使用数据查找最频繁的长度。

4.提交作业

单击“提交”按钮。作业的状态（“排队”或“正在运行”）将显示并不断更新，直到其终止服务器输出将显示在浏览器窗口中。我

在等待期间的任何时候，您都可以输入您的电子邮件地址，然后直接离开窗户。你的工作会继续；您将收到电子邮件通知结束。电子邮件将包含结果所在的URL存储；它们将在服务器上保留24小时，供您收集。

输出格式

文章摘要

主要参考：

NetMHCpan-人类以外的MHC I类结合预测
蹄I¹,彼得B^三,西德尼J^三,佩德森LE²
隆德·O¹, Buus S公司²,尼尔森M¹,
免疫遗传学。2009年1月；61(1):1-13.

¹生物序列分析中心，丹麦技术大学，丹麦林比DK-2800
²实验免疫学部，医学微生物学和免疫学研究所，丹麦哥本哈根大学
^三美国加利福尼亚州圣地亚哥La Jolla过敏和免疫学研究所

肽与主要组织相容性复合体（MHC）分子的结合是识别病原体的唯一最具选择性的步骤细胞免疫系统。人类MHC基因组区域（称为HLA）由数千个等位基因组成的多态性极高，每个等位基因编码一个独特的MHC分子。潜在的独特特异性迄今为止已鉴定的大多数HLA等位基因保持不变。同样，只有数量有限的黑猩猩和恒河猴MHC I类分子的特征实验性地。这里，我们介绍NetMHCpan-2.0，它是一种生成任何一类肽-MHC亲和力的定量预测互动。NetMHCpan-2.0已经接受了迄今为止最大的培训现有的定量MHC结合数据，包括HLA-A和HLA-B，以及黑猩猩、恒河猴、大猩猩和小鼠MHC类I分子。我们表明，NetMHCpan-2.0方法可以准确地预测与非特征化HLA分子的结合，包括HLA-C和HLA-G。此外，NetMHCpan-2.0被证明能够准确预测与黑猩猩和猕猴MHC I类分子结合的肽。权力NetMHCpan-2.0，指导免疫学家解释细胞免疫结果表明，在大量的非红细胞群体中有反应。此外，我们使用NetMHCpan-2.0预测猪MHC类潜在结合肽I分子SLA-1*0401。93%的预测肽证明结合强度大于500 nM。高性能非人类灵长类动物的NetMHCpan-2.0记录了该方法的能力以提供也超出人类MHC分子的广泛等位基因覆盖。这个方法位于http://www.cbs.dtu.dk/services/NetMHCpan。

PMID：19002680

全文

获取帮助

如果您需要有关方面的帮助技术问题（例如错误或缺少结果）联系技术支持。请包括服务名称和版本（例如NetPhos-4.0）以及您选择的选项。如果错误发生在作业开始运行后，请包含job ID（作业运行时看到的长代码）。

如果你有科学问题（例如，方法如何工作或如何解释结果），联系通信.

通信： 技术支持：