主要组织相容性复合体二类(MHC Ⅱ)分子在人体免疫系统中扮演着核心角色。通过将与之绑定的亲和肽呈递给助手T细胞,MHC Ⅱ分子能够激活人体对疾病的免疫反应。因此,准确预测MHC Ⅱ类亲和肽有助于深入理解免疫系统机制和促进精准医疗的发展。特征提取是亲和肽预测的主要挑战。本文以MHC Ⅱ类亲和肽预测为研究目标,提出基于集成神经网络的新MHC Ⅱ类亲和肽预测算法MHC2NNZ,该方法包含了两种新的特征提取方法。在标准数据集上的性能测试表明本算法具有良好的性能。本文的创新性工作具体如下:(一)提出一种新多肽两侧区域(PFR)特征提取方法。新PFR特征提取方法采用z描述符物理化学特征提取PFR特征,形成了新的PFR表示方式。之后,MHC2NNZ结合集成神经网络构建MHC Ⅱ类亲和预测模型,识别未知亲和肽。本文使用基准测试数据集IEDB SR对基于新PFR特征提取方法的MHC2NNZ进行测试,其在人体MHC Ⅱ分子DQ(HLA DQ)取得了良好的预测效果,普遍好于所比较的经典算法。实验结果表明,相比较于HLA DR分子和HLA DP分子而言,HLA DQ分子亲和肽的两侧区域在绑定过程所起到的作用更小。(二)提出一种新锚点特征提取方法。新锚点特征提取方法使用HQI物理化学特征用于绑定核心锚点位置的特征提取,形成了以物理化学特性为主体的特征提取方法。之后,MHC2NNZ构建集成神经网络预测模型并在基准数据集IEDB SR进行了验证。基于新锚点特征提取方法的MHC2NNZ在HLA DR分子和HLA DQ分子上的预测成绩普遍优于所有经典比较算法。这种结果表明,在MHC Ⅱ类亲和肽预测中,物理化学特征能在解决机器学习模型过拟合等问题上发挥更多作用。