B细胞表位是抗原能够被B细胞抗体特异性识别与结合、发挥免疫作用的特殊部位,其准确定位与分析对于免疫预防具有重要的研究价值。构象性表位作为B细胞表位构成的重要组成形态,是B细胞表位研究的一个重要分支。随着计算机技术的发展,如何通过计算机技术,对大量的B细胞数据进行分析与表位预测,提高B细胞表位定位的准确率逐渐成为该领域的研究热点。本论文以“人工智能算法在构象性B细胞抗原表位预测中的应用研究”课题为背景,以抗原抗体复合物为研究对象,提出了一种基于PLR_DPC算法的构象性B细胞表位定位预测模型,以提高表位定位的准确率;并在此基础上实现了构象性B细胞表位定位原型系统。主要研究内容包括:(1)抗原抗体复合物数据分析和预处理:抗原抗体复合物原始信息来源于蛋白质数据库,通过免疫表位数据库获取复合物表位信息,分析了构象性B细胞表位的结构和氨基酸特征,提取抗原表面残基,并根据结构和氨基酸特征的7个指标,对复合物抗原链数据进行了数值转换。(2)PLR_DPC构象性B细胞表位定位模型和对比分析:重点研究了PLR、DPC算法,并将两种算法相结合,构建了PLR_DPC构象性B细胞表位定位模型。采用PLR算法对数值特征进行回归拟合,确定各个特征指标的权重值,并构建加权图;在此基础上利用DPC对加权图进行区域划分与表位的定位。同时利用验证集数据对算法模型的准确性进行评价,并与Disco Tope2.0、PEPITO进行对比分析。(3)构象性B细胞表位定位原型系统设计:利用Anaconda2、MATLAB等工具设计并实现了构象性B细胞表位定位原型系统,实现了复合物单链坐标数据提取、突出指数计算、可及性面积计算等特征提取功能,以及构象性表位定位功能。