{
  "id": "immune-epitope-database",
  "title": "免疫表位数据库",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "免疫表位数据库是免费开放的科研资源，整理免疫识别的实验证据，并提供表位分析与预测工具。",
  "category": "science",
  "subcategory": "biology",
  "type": "product",
  "aliases": [
    "IEDB",
    "免疫表位数据库与分析资源"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/immune-epitope-database/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/immune-epitope-database/",
      "json": "https://aiwiki.page/en/immune-epitope-database.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "**免疫表位数据库（Immune Epitope Database，IEDB）**是免费开放的科研资源，收录经过整理的表位实验信息。表位是抗体或免疫细胞受体所识别的分子结构。该数据库汇集已发表研究的发现和直接提交的数据，既记录受试结构，也记录评估识别情况时的实验背景。其配套分析资源提供计算工具，用于研究免疫识别并预测候选表位。IEDB 由美国国家过敏与传染病研究所资助，通过拉霍亚免疫学研究所牵头的项目进行维护。"
    },
    {
      "heading": "生物学范围",
      "text": "表位是抗原中参与特定识别事件的部分。IEDB 区分了几类相互关联的实验证据。\n\nB细胞与抗体识别。抗体和B细胞的抗原受体可以识别连续的分子序列，也可以识别抗原折叠后形成的不连续表面。因此，抗体表位可以表示为一段线性序列、一组在三维结构中聚集到一起的残基，或一种非肽类化学结构。\n\n**T细胞识别。**常规T细胞识别由主要组织相容性复合体分子呈递的肽。识别取决于肽、呈递分子和T细胞受体。因此，同一条肽在不同的实验或遗传背景下可能产生不同的结果。\n\n**MHC结合与配体呈递。**实验可以测量肽与 MHC 分子的结合，也可以鉴定天然与这些分子结合的肽。这些观察结果与抗原呈递有关，但仅凭这些结果，不能确定某条肽是否会引发 T细胞应答。\n\n数据库涵盖以人类和其他宿主物种为对象的实验。其内容涉及感染性病原体、过敏原，以及自身免疫研究中的自身抗原等领域。表位结构不限于蛋白质片段；非肽类抗原也可以被收录。"
    },
    {
      "heading": "数据组织与整理",
      "text": "IEDB 围绕实验证据组织数据，而不是简单地罗列序列。一个表位可以关联多项测定、多篇文献、多种宿主和多种结果。\n\n一条经过整理的记录可能描述：\n\n- **表位结构：**序列、明确界定的残基、化学实体或结构描述。\n- **来源抗原与生物：**受试结构所源自的分子及其生物学来源。\n- **宿主：**受试个体或实验动物的物种及相关特征。\n- **暴露史：**与免疫应答相关的感染、免疫接种或其他暴露。\n- **测定方法：**测量的内容及实验的实施方式。\n- **识别背景：**在有报告的情况下，记录抗体的具体身份、发生应答的细胞类型或 MHC 限制性。\n- **结果：**阳性或阴性发现，以及可获得的定量测量值。\n- **证据来源：**支持该观察结果的出版物或提交数据。\n\n数据整理人员将科研报告中的信息转化为结构化字段和标准化术语。这样，措辞和报告风格不同的研究便可以在统一框架下被检索。整理过程保留了来源生物、实验宿主与测定所用材料之间的区别，因为三者并不一定相同。\n\n阴性结果很重要，因为它们记录了经测试后未达到某项测定识别标准的结构。不过，阴性结果仅适用于所报告的条件，并不能证明某种结构在任何情况下都不会被识别。"
    },
    {
      "heading": "检索与记录解读",
      "text": "检索界面允许用户组合使用表位序列、来源抗原、生物、宿主、测定类型、MHC 限制性和实验结果等条件。用户可以在表位、测定和参考文献等不同层级查看结果，并将其导出以供进一步分析。\n\n这些层级回答的问题不同。不同表位的数量不等于独立实验的数量，阳性测定的数量也不等于发生应答的个体数量。一条受到广泛研究的肽可能因被反复测试而拥有许多记录。\n\n序列检索同样需要结合生物学知识解读。完全相同的序列可能出现在不同的来源蛋白质或生物中。反过来，相关序列也可能因突变、抗原加工，或负责呈递的 MHC 等位基因不同，而在免疫识别方面存在差异。仅凭序列相似性不能证明存在交叉反应性。"
    },
    {
      "heading": "分析与预测工具",
      "text": "IEDB 分析资源通过计算方法对实验数据库形成补充。其主要功能包括：\n\n- **MHC I类和II类分子结合预测：**估计候选肽与特定 MHC 分子的相互作用。\n- **抗原加工与呈递预测：**对影响一条肽能否成为 MHC 结合配体的部分步骤进行建模。\n- **B细胞表位预测：**使用基于序列或结构的方法，识别候选的抗体识别区域。\n- **人群覆盖率分析：**将指定的 MHC 限制性与等位基因频率信息相结合，估计潜在的人群覆盖率。\n- **表位保守性分析：**衡量某段序列在所提供的一组相关序列中的保留程度。\n\n部分方法使用在实验数据集上训练的机器学习模型。其输出属于预测结果，而不是新增的、经实验证实的表位。被预测为具有较强 MHC 结合能力的肽，不一定会经过天然加工、以足够的丰度被呈递，或被现有的 T细胞识别。同样，被预测为抗体可接近的区域，也不一定是具有功能的抗体表位。\n\n评分和百分位排名必须依据具体方法来解读。不同模型的输出不能直接互换使用。"
    },
    {
      "heading": "科研用途",
      "text": "IEDB 支持比较针对不同抗原、不同生物以及不同实验体系的免疫应答。研究人员利用它查找已接受测试的表位、识别实验覆盖的空白、组建用于免疫监测的肽集合，以及研究交叉反应性。\n\n在疫苗研究中，经过整理的证据和预测工具有助于确定候选抗原区域的优先级，以便开展实验研究。在过敏和自身免疫研究中，数据库记录有助于组织有关免疫识别分子靶标的证据。这些用途服务于研究设计和证据综合，而非确立临床有效性。\n\n该数据库还为计算免疫学提供训练数据和评估数据集。MHC 结合测量、天然呈递的配体和功能性 T细胞测定对应不同的预测目标，在构建此类数据集时必须加以区分。"
    },
    {
      "heading": "局限性与方法学考量",
      "text": "**覆盖范围反映研究活动的分布。**研究较充分的病原体、抗原、宿主人群和 MHC 等位基因，比研究较少的对象拥有更丰富的记录。数据库中没有某个表位，并不意味着该表位不存在。\n\n已发表证据具有选择性。发表偏倚可能影响哪些实验能够进入数据整理的范围。已报告的阴性结果无法代表所有未成功或未报告的实验。\n\n**不同测定衡量不同现象。**结合、呈递、细胞活化和疾病防护是彼此相关但又不同的结果。例如，细胞因子应答并不等同于已经证实的保护性免疫。\n\n**实验背景十分重要。**肽浓度、样本制备、宿主暴露史和检测阈值均可能影响结果。标准化注释可以提高可比性，但不能使异质性实验变得完全相同。\n\n**计算评估可能存在信息泄漏。**高度相关的肽、重复测量数据或来自同一研究的数据，可能同时出现在训练集和测试集中。因此，性能估计可能高估模型对真正未见过的抗原或 MHC 等位基因的泛化能力。\n\n**资源会随时间变化。**新增的数据整理、注释修正和预测方法更新，都可能改变检索结果和分析输出。因此，要保证研究的可重复性，就需要记录检索日期、检索条件、可获得的数据集版本，以及所使用的具体方法。"
    }
  ],
  "links": [
    "epitope",
    "antigen",
    "antibody",
    "b-cell",
    "t-cell",
    "major-histocompatibility-complex",
    "t-cell-receptor",
    "protein",
    "mutation",
    "allele",
    "machine-learning",
    "training-data",
    "publication-bias",
    "cytokine"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}