Die erfolgreiche Vorhersage von Epitopen der Moleküle des Haupthistokompatibilitätskomplexes (MHC) ist ein wesentlicher Schritt bei der Entwicklung genetischer Impfstoffe. Die erfolgreiche Vorhersage von MHC-Klasse-II-Epitopen ist schwieriger als die von MHC-Klasse-I-Epitopen, da die Klasse-II-Moleküle an beiden Enden eine offene Bindungsrinne aufweisen; diese Struktur führt zu einer variablen Länge der MHC-II-Epitope und erschwert die Identifizierung des kernbildenden 9-Mers. In diesem Buch stellen wir einen neuartigen Klassifikationsalgorithmus zur Vorhersage von MHC-Klasse-II-Epitopen vor, der auf der Multiple-Instance-Learning-Technik basiert. Das Separated Constructive Clustering Ensemble (SCCE) ist unsere neue Version des Constructive Clustering Ensemble (CCE). SCCE integriert genetische Algorithmen, K-Medoid-Clustering, Ensemble-Lernen und Support-Vektor-Maschinen in einem koordinierten Ansatz zur Vorhersage der MHC-II-Epitope. SCCE wurde anhand von vier Benchmark-Datensätzen getestet und erzielte eine durchschnittliche Genauigkeit von 85 %. Die Ergebnisse von SCCE übertreffen die meisten aktuellen Regressionsmethoden auf dem Stand der Technik. SCCE erzielte diese Ergebnisse unter Verwendung von Binder- und Non-Binder-Flags, ohne dass Regressionsdaten erforderlich waren.