Cet article propose un nouveau modèle combinant un réseau neuronal convolutif (CNN) et un transformateur afin d'améliorer la précision de la prédiction des sites de liaison des anticorps (épitopes) sur les antigènes, à l'aide de séquences d'antigènes dérivées de 1 080 complexes antigène-anticorps. Le CNN capture les caractéristiques locales, tandis que le transformateur capture les dépendances à longue portée, améliorant ainsi les performances de prédiction des épitopes linéaires et conformationnels. Les résultats expérimentaux montrent que le modèle proposé surpasse les modèles existants en termes de scores PCC, ROC-AUC, PR-AUC et F1. Nous nous concentrons notamment sur l'amélioration des performances de prédiction des épitopes conformationnels, qui font défaut aux modèles existants.
