本发明涉及一种基于深度对比学习的蛋白质与多肽绑定位点预测方法，通过初始深度对比学习神经网络模型，对蛋白质结构和蛋白质序列进行一致性表征，从而提升海量蛋白质序列表征的鉴别性；从蛋白质序列出发，充分利用了海量蛋白质序列数据，并训练目标深度残...

本发明涉及多肽关键位点预测技术领域，特别涉及一种基于深度语言模型的多肽关键位点预测方法、设备和介质，其包括：训练多肽序列深度语言模型，直至每条序列选择的目标残基的被还原概率达到目标；训练多肽关键位点预测模型，直至输出的多肽关键点位预测精...

本发明公开了一种T细胞受体与肽相互作用预测方法及系统，本发明的T细胞受体与肽相互作用预测方法及系统通过对TCR序列、肽序列内部和之间氨基酸的相互作用进行建模，丰富了模型的表示方式，增强的模型的表达能力。再者，考虑了TCR和肽的差异性，通...

本发明公开了一种基于蛋白质语言模型与蒙特卡洛的多肽设计方法，本发明一方面，从序列信息出发，利用蛋白质语言模型来提取受体蛋白质与新设计的多肽的特征表示，并搭建深度神经网络模型，来预测受体蛋白质与多肽的绑定概率，为提升多肽设计性能做好了准备...

本发明公开了一种基于蛋白质语言模型与蒙特卡洛的多肽设计方法，本发明一方面，从序列信息出发，利用蛋白质语言模型来提取受体蛋白质与新设计的多肽的特征表示，并搭建深度神经网络模型，来预测受体蛋白质与多肽的绑定概率，为提升多肽设计性能做好了准备...