申请/专利权人:华中科技大学
申请日:2023-10-18
公开(公告)日:2024-04-26
公开(公告)号:CN117935925A
主分类号:G16B40/00
分类号:G16B40/00;G16B20/50;G16C20/50;G16C20/70;G06N20/20;G06N3/0464;G06N3/045;G06F18/25
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种基于集成学习的抗原抗体结合亲和力预测方法,包括:获取多个待预测结合亲和力的抗原‑抗体复合物,每个复合物具有多个序列,所有抗原‑抗体复合物的所有序列构成序列集合;将多个抗原‑抗体复合物的序列集合输入预先训练好的蛋白质语言预训练模型proteinBERT,以获取每个抗原‑抗体复合物的多个序列对应的全局语义特征,该抗原‑抗体复合物的所有序列对应的所有全局语义特征构成该抗原‑抗体复合物的全局语义特征集合;为每个抗原‑抗体复合物构建残基特征矩阵,所有残基特征矩阵构成残基特征矩阵集合;将全局语义特征集合和残基特征矩阵集合输入预先训练好的抗原抗体结合亲和力预测模型中,以获取每对抗原抗体结合亲和力的预测值。
主权项:1.一种基于集成学习的抗原抗体结合亲和力预测方法,其特征在于,包括以下步骤:1获取多个待预测结合亲和力的抗原-抗体复合物,每个抗原-抗体复合物具有多个序列,所有抗原-抗体复合物的所有序列构成序列集合。2将步骤1获取的多个抗原-抗体复合物的序列集合输入预先训练好的蛋白质语言预训练模型proteinBERT,以获取每个抗原-抗体复合物的多个序列对应的全局语义特征,该抗原-抗体复合物的所有序列对应的所有全局语义特征构成该抗原-抗体复合物的全局语义特征集合,其中每条序列对应的全局语义特征以一个768维的向量表示;3为步骤1获取的每个抗原-抗体复合物构建残基特征矩阵,所有残基特征矩阵构成残基特征矩阵集合;4将步骤2中获取的全局语义特征集合、以及步骤3中获取的残基特征矩阵集合输入预先训练好的抗原抗体结合亲和力预测模型中,以获取每对抗原抗体结合亲和力的预测值。
全文数据:
权利要求:
百度查询: 华中科技大学 一种基于集成学习的抗原抗体结合亲和力预测方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。