复合物结构预测方法、装置、计算机设备及存储介质制造方法及图纸

本申请实施例公开了一种复合物结构预测方法、装置、计算机设备及存储介质，涉及人工智能领域。包括：获取抗原肽序列、主要组织相容性复合体MHC结构以及T细胞受体TCR结构；将抗原肽序列和MHC结构输入第一图神经网络，得到第一复合物的第一结构预测结果，第一复合物为pMHC复合物，第一图神经网络用于对抗原肽序列和MHC结构进行柔性对接；将TCR结构和第一结构预测结果输入第二图神经网络，得到第二复合物的第二结构预测结果，第二复合物为TCR

【技术实现步骤摘要】
复合物结构预测方法、装置、计算机设备及存储介质


[0001]本申请实施例涉及人工智能领域，特别涉及一种复合物结构预测方法、装置、计算机设备及存储介质。

技术介绍

[0002]T细胞(Thymus dependent lymphocyte，胸腺依赖淋巴细胞)是适应性免疫系统的重要组成部分，可以对特定的病原体做出特异性的反应。在适应性免疫应答中，被感染细胞的MHC(Major Histocompatibility Complex，主要组织相容性复合体)将peptide(抗原肽)呈递到细胞表面，由T细胞受体(T Cell Receptor，TCR)进行特异性识别，形成TCR
‑
pMHC复合物(T Cell Receptor
‑
peptide
‑
Major Histocompatibility Complex，T细胞受体
‑
抗原肽
‑
主要组织相容性复合体)。为了设计基于TCR的治疗方法和疫苗，在分子水平上理解复合物的结构是至关重要的。
[0003]相关技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复合物结构预测方法，其特征在于，所述方法包括：获取抗原肽序列、主要组织相容性复合体MHC结构以及T细胞受体TCR结构；将所述抗原肽序列和所述MHC结构输入第一图神经网络，得到第一复合物的第一结构预测结果，所述第一复合物为pMHC复合物，所述第一图神经网络用于对所述抗原肽序列和所述MHC结构进行柔性对接；将所述TCR结构和所述第一结构预测结果输入第二图神经网络，得到第二复合物的第二结构预测结果，所述第二复合物为TCR
‑
pMHC复合物，所述第二图神经网络用于对所述TCR结构和所述第一结构预测结果进行刚性对接。2.根据权利要求1所述的方法，其特征在于，所述第一图神经网络为层级化图神经网络，所述层级化图神经网络中包含层级化编码器；所述将所述抗原肽序列和所述MHC结构输入第一图神经网络，得到第一复合物的第一结构预测结果，包括：通过第一层级编码器，对所述MHC结构中的氨基酸残基进行编码，得到第一类节点的第一节点特征，所述第一类节点表征所述MHC结构中的所述氨基酸残基的α碳原子；通过第二层级编码器，对对接界面中的原子进行编码，得到第二类节点的第二节点特征，所述对接界面为所述抗原肽序列和所述MHC结构的结合界面，所述第二类节点表征所述对接界面中的原子；通过第三层级编码器，对对接界面中的氨基酸残基进行编码，得到第三类节点的第三节点特征，所述第三类节点表征所述对接界面中所述氨基酸残基的α碳原子；基于所述第一节点特征、所述第二节点特征和所述第三节点特征，确定所述第一复合物的所述第一结构预测结果。3.根据权利要求2所述的方法，其特征在于，所述通过第三层级编码器，对对接界面中的氨基酸残基进行编码，得到第三类节点的第三节点特征，包括：通过第三层级编码器，对所述α碳原子对应的所述第一节点特征以及与所述α碳原子连接的原子对应的所述第二节点特征进行融合，得到所述第三类节点的所述第三节点特征。4.根据权利要求2所述的方法，其特征在于，所述基于所述第一节点特征、所述第二节点特征和所述第三节点特征，确定所述第一复合物的所述第一结构预测结果，包括：第i轮迭代过程中，基于所述第一节点特征、所述第二节点特征和所述第三节点特征，确定所述第一复合物的初始结构预测结果，i为正整数；对所述初始结构预测结果进行调整，得到第i轮结构预测结果；在第i轮迭代满足迭代停止条件的情况下，将所述第i轮结构预测结果确定为所述第一结构预测结果；在第i轮迭代不满足迭代停止条件的情况下，基于所述第i轮结构预测结果更新所述第一节点特征、所述第二节点特征以及所述第三节点特征。5.根据权利要求4所述的方法，其特征在于，所述对所述初始结构预测结果进行调整，得到第i轮结构预测结果，包括：基于所述第一节点特征和所述第三节点特征，确定所述氨基酸残基之间的残基间作用力；基于所述第二节点特征，确定原子之间的原子间作用力；
基于所述残基间作用力调整所述初始结构预测结果中所述氨基酸残基的坐标，并基于所述原子间作用力调整所述氨基酸残基中原子的坐标，得到所述第i轮结构预测结果。6.根据权利要求1所述的方法，其特征在于，所述第二图神经网络为消息传递网络；所述将所述TCR结构和所述第一结构预测结果输入第二图神经网络，得到第二复合物的第二结构预测结果，包括：对所述TCR结构和所述第一结构预测结果进行建图，得到TCR结构图和第一复合物结构图；将所述TCR结构图和所述第一复合物结构图输入所述消息传递网络，得到所述TCR结构图和所述第一复合物结构图中对接关键点的关键点坐标；基于所述关键点坐标，对接所述TCR结构图和所述第一复合物结构图，得到所述第二复合物的所述第二结构预测结果。7.根据权利要求6所述的方法，其特征在于，所述消息传递网络包括消息产生层、消息传播层和注意力层；所述将所述TCR结构图和所述第一复合物结构图输入所述消息传递网络，得到所述TCR结构图和所述第一复合物结构图中对接关键点的关键点坐标，包括：将所述TCR结构图和所述第一复合物结构图输入所述消息产生层，得到节点对应的图内交互特征和图间交互特征，所述图内交互特征表征所述TCR结构图或所述第一复合物结构图内部节点之间的交互信息，所述图间交互特征表征所述TCR结构图与所述第一复合物结构图之间节点之间的交互信息；将所述图内交互特征和所述图间交互特征输入所述消息传播层，得到更新后所述节点对应的节点坐标和节点特征；将更新后的所述节点坐标和所述节点特征输入所述注意力层，得到所述对接关键点的所述关键点坐标。8.根据权利要求1所...

【专利技术属性】
技术研发人员：赵宇，黄悦珊，姚建华，何冰，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：