抗体生成方法、装置、设备、存储介质及程序产品制造方法及图纸

本申请提供了一种基于人工智能的抗体生成方法、装置、电子设备、计算机可读存储介质及计算机程序产品；方法包括：获取对应第一抗原与第一抗体的第一复合结构；通过第一替换工具对第一复合结构进行抗体遍历替换处理，得到第二复合结构，从第二复合结构对应的替换方式中获取第一结合能降低量最多的候选替换方式；通过第二替换工具对第一复合结构按照候选替换方式进行替换处理，得到第三复合结构，基于第三复合结构的第二结合能降低量对第三复合结构进行降序排序处理；将降序排序结果中排序在首位的第三复合结构作为第四复合结构，将第四复合结构中的抗体结构作为目标抗体结构。通过本申请，能够提高目标抗体的成功率的前提下兼顾处理替换速度。顾处理替换速度。顾处理替换速度。

【技术实现步骤摘要】
抗体生成方法、装置、设备、存储介质及程序产品


[0001]本申请涉及人工智能技术，尤其涉及一种基于人工智能的抗体生成方法、装置、电子设备、计算机可读存储介质及计算机程序产品。

技术介绍

[0002]人工智能(Artificial Intelligence，AI)是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，例如自然语言处理技术以及机器学习/深度学习等几大方向，随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。
[0003]肿瘤新生抗原是肿瘤发生过程中由于基因突变产生的能够诱发免疫反应的新蛋白，由于肿瘤新生抗原携带突变，已知的结合正常蛋白的抗体往往无法与肿瘤新生抗原结合，需要获取新的能够结合肿瘤新生抗原的抗体。相关技术中可以将肿瘤新生抗原注射到活体组织，刺激活体组织产生能够与之结合抗体。然后从活体组织中分离出抗体，并鉴定是否能够与肿瘤新生抗原结合，但是实验周期长，而且动物模型构建成本很高，技术实施难度较大。
...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的抗体生成方法，其特征在于，所述方法包括：获取对应第一抗原与第一抗体的第一复合结构，其中，所述第一抗体是与原始抗原对应的抗体，所述第一抗原是对所述原始抗原进行替换得到的抗原；通过第一替换工具对所述第一复合结构进行抗体遍历替换处理，得到多个第二复合结构，从多个所述第二复合结构对应的替换方式中获取第一结合能降低量最多的多个候选替换方式；通过第二替换工具对所述第一复合结构按照多个所述候选替换方式进行替换处理，得到多个第三复合结构，并基于每个所述第三复合结构的第二结合能降低量对多个所述第三复合结构进行降序排序处理；其中，所述第二替换工具的替换精度高于所述第一替换工具的替换精度，所述第一替换工具的替换速度高于所述第二替换工具的替换速度；将所述降序排序结果中排序在首位的第三复合结构作为第四复合结构，并将所述第四复合结构中的抗体结构作为目标抗体结构。2.根据权利要求1所述的方法，其特征在于，所述获取对应第一抗原与第一抗体的第一复合结构，包括：获取对应所述原始抗原的原始抗原结构；获取对应所述第一抗体的第一抗体结构；对所述原始抗原结构以及所述第一抗体结构进行全局结构对接处理，得到原始复合结构；对所述原始复合结构进行朝向所述第一抗原的抗原变异处理，得到所述第一复合结构。3.根据权利要求1所述的方法，其特征在于，所述通过第一替换工具对所述第一复合结构进行抗体遍历替换处理，得到多个第二复合结构，包括：针对所述第一复合结构中每个抗体氨基酸位置执行以下处理：通过所述第一替换工具将所述抗体氨基酸位置的氨基酸分别替换为多个其他氨基酸，得到与多个其他氨基酸一一对应的多个第二复合结构，其中，所述其他氨基酸是所有氨基酸中除所述抗体氨基酸位置的氨基酸之外的氨基酸。4.根据权利要求1所述的方法，其特征在于，所述从多个所述第二复合结构对应的替换方式中获取第一结合能降低量最多的多个候选替换方式，包括：获取每个所述第二复合结构与所述第一复合结构之间的第一结合能降低量；基于每个所述第二复合结构的第二结合能降低量对多个所述第二复合结构进行降序排序处理，得到排序靠前的多个第二复合结构；将排序靠前的多个第二复合结构分别对应的替换方式作为所述多个候选替换方式。5.根据权利要求4所述的方法，其特征在于，所述获取每个所述第二复合结构与所述第一复合结构之间的第一结合能降低量，包括：针对每个所述第一复合结构执行以下处理：获取所述第一复合结构中每个第一氨基酸的第一氨基酸编码，对每个所述第一氨基酸编码进行注意力处理，得到第一注意力编码，获取所述第一复合结构的第一物理能量，并将所述第一物理能量分别与每个所述第一注意力编码融合，得到每个所述第一氨基酸的第一综合编码；
针对每个所述第二复合结构执行以下处理：获取所述第二复合结构中每个第二氨基酸的第二氨基酸编码，对每个所述第二氨基酸编码进行注意力处理，得到第二注意力编码，获取所述第二复合结构的第二物理能量，并将所述第二物理能量分别与每个所述第二注意力编码融合，得到每个所述第二氨基酸的第二综合编码；针对处于相同位置的第一氨基酸和第二氨基酸执行以下处理：基于所述位置的第一氨基酸的第一综合编码以及所述位置的第二氨基酸的第二综合编码，确定所述位置的降低量分量；对多个所述位置的降低量分量进行融合处理，得到所述第一结合能降低量。6.根据权利要求5所述的方法，其特征在于，所述第二氨基酸包括多个原子，所述获取所述第二复合结构中每个第二氨基酸的第二氨基酸编码，包括：针对所述第二复合结构中每个所述第二氨基酸执行以下处理：获取对应所述第二氨基酸中氮原子的原子编码和对应所述第二氨基酸中碳原子的原子编码；基于对应所述氮原子的原子编码和对应所述碳原子的原子编码，确定所述第二氨基酸的方向矩阵；对所述第二氨基酸的方向矩阵以及多个原子的原子编码的进行多层感知处理，得到每个所述第二氨基酸的第二氨基酸编码。7.根据权利要求5所述的方法，其特征在于，所述基于所述位置的第一氨基酸的第一综合编码以及所述位置的第二氨基酸的第二综合编码，确定所述位置的降低量分量，包括：通过第一神经网络对所述第一氨基酸的第一综合编码进行多层感知处理，得到所述第一氨基酸的第一感知结果；通过第二神经网络对所述第二氨基酸的第二综合编码进行多层感知处理，得到所述第二氨基酸的第二感知结果；通过输出网络对所述第一感知结果以及所述第二感知结果进行融合处理，得到第一融合结果；通过第二神经网络对所述第一氨基酸的第一综合编码进行多层感知处理，得到所述第一氨基酸的第三感知结果；通过第一神经网络对所述第二氨基酸的第二综合编码进行多层感知处理，得到所述第二氨基酸的第四感知结果；通过输出网络对所述第三感知结果以及所述第四感知结果进行融合处理，得到第二融合结果；将所述第一融合结果与所述第二融合结果之间的差值作为所述降低量分量。8.根据权利要求5所述的方法，其特征在于，所述注意力处理是通过调用几何注意力网络实现的，所述几何注意力网络包括R个级联的注意力编码网络，R的取值范围满足2≤R；所述对每个所述第二氨基酸编码进行注意力处理，得到第二注意力编码，包括：针对每个所述第二氨基酸编码执行以下处理：通过第r注意力编码网络，对所述第r注意力编码网络的输入进行第r注意力编码处理，得到第r注意力编码结果；将所述第r注意力编码结果传输到第r+1注意力编码网络以继续进行第r+1注意力编码
处理；其中，r为取值从1开始递增的整数，且r的取值范围满足2≤r≤R
‑
1；当r取值为1时，所述第r注意力编码网络的输入是所述第二氨基酸编码，当r取值为2≤r≤R
‑
1时，所述第r注意力编码网络的输入是所述第r
‑
1注意力编码网络输出的第r
‑
1注意力编码结果，第R注意力编码网络的输出是对应所述第二氨基酸的第二注意力编码。9.根据权利要求8所述的方法，其特征在于，所述通过第r注意力编码网络，对所述第r注意力编码网络的输入进行第r注意力编码处理，得到第r注意力编码结果，包括：针对每个所述其他第二氨基酸执行以下处理：获取所述第二复合结构中除所述第二氨基酸之外的其他第二氨基酸，并对每个所述其他第二氨基酸执行以下处理；对所述第二氨基酸的第r
‑
1注意力编码结果以及所述其他第二氨基酸的第r
‑
1注意力编码结果进行第r线性映射处理，得到对应所述其他第二氨基酸的第r注意力权重；基于对应每个所述其他第二氨基酸的第r注意力权重、所述第二氨基酸的第r
‑
1注意力编码结果...

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