基于Bi-LSTM与Self-Attention的多肽TCR免疫原性预测方法技术

本发明专利技术公开了一种基于Bi‑LSTM与Self‑Attention的多肽TCR免疫原性预测方法，使用双向长短期记忆神经网络框架配合自注意机制，训练用于预测多肽TCR免疫原性的深度神经网络模型，并将训练得到的深度神经网络模型用于多肽序列的免疫原性预测。本发明专利技术基于双向长短期记忆网络与自注意力机制的免疫原性预测方法，利用该算法进行预测的准确性和适用范围就会得到很大的提高。

【技术实现步骤摘要】
基于Bi-LSTM与Self-Attention的多肽TCR免疫原性预测方法
本专利技术涉及生物信息学研究领域，具体涉及预测单肽或多肽如肿瘤相关新抗原是否具有被T细胞受体(Tcellreceptor，后面简写为TCR)识别并结合能力的方法。本专利技术的方法适用于优化抗体和重组蛋白类药物的设计；也适用于为肿瘤患者提供个性化的癌症疫苗的设计。
技术介绍
免疫(Immunity)是人体的一种生理功能，人体依靠这种功能识别体内自身与非自身的物质，并通过免疫应答(Immuneresponse)来破坏和排除进入人体的异物(如病菌、病毒等)或人体本身所产生的损伤细胞和肿瘤细胞等，以维持人体的健康。通常来说，人们把能诱导人体发生免疫应答的物质称为抗原(Antigen)，把由于抗原的刺激而产生，可与相应抗原发生特异性结合反应，具有保护作用的蛋白质称为抗体(Antibody)。免疫原性(Immunogenicity)是指能引起免疫应答的性能。进入到人体的抗原能刺激特定的免疫细胞(如T淋巴细胞(Tlymphocyte))，使其发生活化(Activation)本文档来自技高网...

【技术保护点】
1.一种基于Bi-LSTM与Self-Attention的多肽TCR免疫原性预测方法，其特征在于，使用双向长短期记忆神经网络框架配合自注意机制，训练用于预测多肽TCR免疫原性的深度神经网络模型，并将训练得到的深度神经网络模型用于多肽序列的免疫原性预测。/n

【技术特征摘要】
1.一种基于Bi-LSTM与Self-Attention的多肽TCR免疫原性预测方法，其特征在于，使用双向长短期记忆神经网络框架配合自注意机制，训练用于预测多肽TCR免疫原性的深度神经网络模型，并将训练得到的深度神经网络模型用于多肽序列的免疫原性预测。


2.根据权利要求1所述的基于Bi-LSTM与Self-Attention的多肽TCR免疫原性预测方法，其特征在于，使用双向长短期记忆神经网络框架配合自注意机制，训练用于预测多肽TCR免疫原性的深度神经网络模型，具体包括以下步骤：
获取用于模型训练的相关数据集；
对数据集进行编码，并将编码后的数据集划分为训练集和验证集；
将训练集和验证集输入基于Bi-LSTM与Self-Attention技术的深度学习模型，对模型进行训练和测试；
将另外独立收集的数据集作为测试集，输入训练和测试后的深度学习模型进行免疫原性的预测。


3.根据权利要求2所述的基于Bi-LSTM与Self-Attention的多...

【专利技术属性】
技术研发人员：陈健文，鲁靖，郑双佳，王鲁泉，
申请(专利权)人：信华生物药业广州有限公司，
类型：发明
国别省市：广东;44