Este artículo propone un nuevo modelo que combina una red neuronal convolucional (CNN) y un transformador para mejorar la precisión en la predicción de sitios de unión de anticuerpos (epítopos) en antígenos mediante secuencias antigénicas derivadas de 1080 complejos antígeno-anticuerpo. La CNN captura características locales, mientras que el transformador captura dependencias de largo alcance, mejorando así el rendimiento de la predicción de epítopos lineales y conformacionales. Los resultados experimentales muestran que el modelo propuesto supera a los modelos existentes en las puntuaciones de PCC, ROC-AUC, PR-AUC y F1. En particular, nos centramos en mejorar el rendimiento de la predicción de epítopos conformacionales, algo de lo que carecen los modelos existentes.
