openvax/mhcflurry

MHCflurry Docker镜像文档

1. 镜像概述和主要用途

MHCflurry是一个MHC I类配体预测工具包，具备高效的预测精度和完善的实现。该工具基于Python 3.4+和TensorFlow神经网络库，提供MHC I类肽/MHC结合亲和力预测功能，支持已知序列的任意MHC等位基因（泛等位基因预测）。自1.6.0版本起，还包含实验性的抗原处理预测器（模拟蛋白酶体切割等非等位基因依赖效应）和呈递预测器（整合处理与结合亲和力预测，生成综合"呈递分数"）。

MHCflurry Docker镜像封装了预配置的MHCflurry运行环境，包含所有依赖项、数据集和训练模型，并集成Jupyter Notebook服务器，方便用户通过浏览器进行交互式分析和预测。

2. 核心功能和特性

• MHC I结合亲和力预测：精确预测肽段与MHC I类分子的结合亲和力。
• 泛等位基因支持：支持所有已知序列的MHC等位基因预测。
• 抗原处理预测：实验性模型，预测蛋白酶体切割等抗原处理过程（MHC等位基因非依赖）。
• 呈递分数预测：整合结合亲和力与抗原处理预测，生成综合呈递潜力评分。
• 多接口支持：提供命令行工具（mhcflurry-predict、mhcflurry-predict-scan）和Python库接口。
• Jupyter集成：Docker镜像内置Jupyter Notebook服务器，支持交互式分析环境。
• 预训练模型：包含已下载的数据集和训练模型，开箱即可使用。

3. 使用场景和适用范围

• 免疫信息学研究：MHC I类分子与肽段相互作用机制分析。
• 疫苗开发：预测潜在的疫苗候选表位（如病毒、肿瘤相关抗原的免疫原性肽段）。
• 抗原呈递研究：探究抗原处理、转运及呈递的分子机制。
• 高通量筛选：扫描蛋白质序列以识别潜在的免疫原性肽段。
• 教学与实验：通过Jupyter Notebook进行交互式预测和数据分析演示。

4. 使用方法和配置说明

4.1 前提条件

• 已安装Docker Engine（20.10+推荐）。
• 网络环境可访问Docker Hub（拉取镜像）或GitHub（手动构建时）。
• 本地浏览器（用于访问Jupyter Notebook）。

4.2 Docker镜像获取

4.2.1 从Docker Hub拉取（推荐）

直接拉取OpenVax官方镜像：

bash
docker pull openvax/mhcflurry:latest

4.2.2 手动构建镜像

从GitHub仓库克隆源码后构建：

bash
# 克隆仓库
git clone https://github.com/openvax/mhcflurry.git
cd mhcflurry

# 构建镜像
docker build -t mhcflurry:latest .

4.3 运行容器

4.3.1 启动Jupyter Notebook服务器

运行容器并映射端口（默认启动Jupyter服务）：

bash
docker run -p 9999:9999 --rm openvax/mhcflurry:latest

• -p 9999:9999：将容器内Jupyter服务端口（9999）映射到主机9999端口。
• --rm：容器退出后自动删除，避免残留。
• openvax/mhcflurry:latest：指定使用的镜像（若手动构建，替换为mhcflurry:latest）。

4.3.2 访问Jupyter Notebook

容器启动后，在本地浏览器中访问：http://localhost:9999，即可进入MHCflurry的交互式分析环境。

4.4 容器内功能使用

在Jupyter Notebook中，可直接调用MHCflurry的命令行工具或Python API进行预测，例如：

python
# Python API示例
import mhcflurry

# 初始化预测器
predictor = mhcflurry.Class1AffinityPredictor.load()

# 预测肽段与MHC等位基因的结合亲和力
predictions = predictor.predict(
    peptides=["SIINFEKL", "SIINFEKD"],
    alleles=["HLA-A0201", "HLA-A0301"]
)
print(predictions)

或通过终端（Jupyter中"New"→"Terminal"）使用命令行工具：

bash
# 预测肽段结合亲和力
mhcflurry-predict \
    --alleles HLA-A0201 HLA-A0301 \
    --peptides SIINFEKL SIINFEKD \
    --out predictions.csv

5. Docker部署方案示例

5.1 基础运行命令（Jupyter服务）

bash
# 拉取并运行最新镜像，映射9999端口，自动清理容器
docker run -d -p 9999:9999 --name mhcflurry-notebook --rm openvax/mhcflurry:latest

5.2 Docker Compose配置示例

创建docker-compose.yml文件：

yaml
version: '3'
services:
  mhcflurry:
    image: openvax/mhcflurry:latest
    ports:
      - "9999:9999"  # Jupyter服务端口映射
    restart: "no"    # 退出后不自动重启
    volumes:
      - ./notebooks:/home/jovyan/work  # 挂载本地目录到容器，持久化Notebook文件

启动服务：

bash
docker-compose up -d

6. 常见问题与解决方法

6.1 Jupyter访问失败

• 症状：浏览器访问http://localhost:9999无响应。
• 排查：
  1. 检查容器是否运行：docker ps | grep mhcflurry。
  2. 确认端口映射是否冲突：更换主机端口（如-p 8888:9999）。
  3. 查看容器日志：docker logs <容器ID>，检查Jupyter启动是否异常。

6.2 镜像拉取缓慢或失败

• 解决方法：配置Docker镜像加速器（如阿里云、DaoCloud），或手动构建本地镜像。

6.3 预测结果异常

• 可能原因：数据集或模型未正确加载（Docker镜像已预包含，通常不会出现）。
• 解决方法：进入容器终端，执行mhcflurry-downloads verify检查数据完整性。

7. 引用与致谢

若在研究中使用MHCflurry，请引用以下文献：

1. O'Donnell T, Rubinsteyn A, Laserson U. "MHCflurry 2.0: Improved pan-allele prediction of MHC I-presented peptides by incorporating antigen processing," Cell Systems, 2020. [***]

2. O’Donnell T, Rubinsteyn A, Bonsack M, et al. "MHCflurry: Open-Source Class I MHC Binding Affinity Prediction," Cell Systems, 2018. [***]

项目源码与更多文档：https://github.com/openvax/mhcflurry%E3%80%81%E5%AE%98%E6%96%B9%E6%96%87%E6%A1%A3%E3%80%82