申请/专利权人：上海数因信科智能科技有限公司

申请日：2024-02-05

公开（公告）日：2024-04-30

公开（公告）号：CN117953963A

主分类号：G16B15/30

分类号：G16B15/30;G16B20/20;G16B40/00;G06N3/0455;G06N3/0442;G06N3/0464;G06N3/0895;G06N3/096;G06F18/213;G06F18/241;G06F18/25;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：一种MHC‑II类与多肽结合预测方法，在离线阶段采用迁移学习方法对ESM‑2模型进行预训练，利用微调后的ESM‑2模型生成训练集；再采用训练集对构建得到的多模态卷积神经网络进行5折交叉验证训练，使其适应分类任务；最后在在线阶段采用训练后的多模态卷积神经网络进行肽段与等位基因结合的概率预测。本发明能够有效提高肽段和等位基因结合预测的准确性；本发明只需利用肽段和MHC‑II类分子序列的信息，而不需要额外的特征提取或编码，在大大提高数据的利用率的同时适用于多种MHC‑II类分子等位基因。

主权项：1.一种MHC-II类与多肽结合预测方法，其特征在于，在离线阶段采用迁移学习方法对ESM-2模型进行预训练，利用微调后的预训练模型生成训练集；再采用训练集对构建得到的多模态卷积神经网络进行5折交叉验证训练，使其适应分类任务；最后在在线阶段采用训练后的多模态卷积神经网络进行肽段与等位基因结合的概率预测；所述的ESM-2-650M模型为基于Transformer的蛋白质语言模型；所述的多模态卷积神经网络模型，包括：学习时序特征的1D-CNN-LSTM模块、学习局部特征的2D-CNN模块和学习融合特征的四层感知机模块。

全文数据：

权利要求：

百度查询： 上海数因信科智能科技有限公司 MHC-II类与多肽结合预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD