纳米抗体抗原结合点位预测方法技术

本发明专利技术实施例公开了一种纳米抗体抗原结合点位预测方法

【技术实现步骤摘要】
纳米抗体抗原结合点位预测方法、装置、设备和介质


[0001]本专利技术实施例涉及生物信息处理与人工智能
，尤其涉及一种纳米抗体抗原结合点位预测方法
、
装置
、
设备和介质
。

技术介绍

[0002]纳米抗体药物的研发需要了解纳米抗体与目标抗原的结合机制，并精确设计纳米抗体与目标抗原的结合点位
。
在抗体和纳米抗体互补位的研究中表明的互补位的情况呈现多样性，导致确定纳米抗体与抗原结合位点更加的复杂与困难
。
然而，传统实验方法测定纳米抗体与抗原结合位点耗时且成本高昂，能够探索出一种快速且准确地预测纳米抗体与抗原的结合位点的方法十分重要
。

技术实现思路

[0003]本专利技术实施例提供了一种纳米抗体抗原结合点位预测方法
、
装置
、
设备和介质，可以基于深度学习网络对纳米抗体的结构图进行特征分析，实现快速且准确地预测纳米抗体与抗原的结合位点，提高纳米抗体抗原结合点位测定的效率，有利于纳米抗体药物的研发
。
[0004]第一方面，本专利技术实施例提供了一种纳米抗体抗原结合点位预测方法，该方法包括：
[0005]获取待分析纳米抗体序列，并基于所述待分析纳米抗体序列中的残基信息构建目标纳米抗体序列图；
[0006]将所述目标纳米抗体序列图输入至经过预先训练的纳米抗体抗原结合点位预测模型，得到所述待分析纳米抗体序列中纳米抗体抗原结合点位预测结果
。/>[0007]第二方面，本专利技术实施例还提供了一种纳米抗体抗原结合点位预测装置，该装置包括：
[0008]抗体序列图构建模块，用于获取待分析纳米抗体序列，并基于所述待分析纳米抗体序列中的残基信息构建目标纳米抗体序列图；
[0009]结合点位预测模块，用于将所述目标纳米抗体序列图输入至经过预先训练的纳米抗体抗原结合点位预测模型，得到所述待分析纳米抗体序列中纳米抗体抗原结合点位预测结果
。
[0010]第三方面，本专利技术实施例还提供了一种计算机设备，所述计算机设备包括：
[0011]一个或多个处理器；
[0012]存储器，用于存储一个或多个程序；
[0013]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任意实施例所提供的纳米抗体抗原结合点位预测方法
。
[0014]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任意实施例所提供的纳米抗体抗原结合点位预测方法
。
[0015]本实施例的技术方案，通过获取待分析纳米抗体序列，并基于所述待分析纳米抗体序列中的残基信息构建目标纳米抗体序列图；将所述目标纳米抗体序列图输入至经过预先训练的纳米抗体抗原结合点位预测模型，得到所述待分析纳米抗体序列中纳米抗体抗原结合点位预测结果
。
本实施例的技术方案解决了传统实验方法测定纳米抗体与抗原结合位点耗时且成本高的问题，可以基于深度学习网络对纳米抗体的结构图进行特征分析，实现快速且准确地预测纳米抗体与抗原的结合位点，提高纳米抗体抗原结合点位测定的效率，有利于纳米抗体药物的研发
。
附图说明
[0016]图1为本专利技术实施例提供的一种纳米抗体抗原结合点位预测方法的流程图；
[0017]图2为本专利技术实施例提供的一种纳米抗体抗原结合点位预测方法的流程图；
[0018]图3为本专利技术实施例提供的一种一维膨胀卷积使用的公式的表示图；
[0019]图4为本专利技术实施例提供的一种图神经网络使用的模型计算公式的表示图；
[0020]图5为本专利技术实施例提供的一种纳米抗体抗原结合点位预测装置的结构示意图；
[0021]图6为本专利技术实施例提供的一种计算机设备的结构示意图
。
具体实施方式
[0022]下面结合附图和实施例对本专利技术作进一步的详细说明
。
可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定
。
另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构
。
[0023]图1为本专利技术实施例提供的一种纳米抗体抗原结合点位预测方法的流程图，本实施例可适用于分析测定纳米抗体抗原结合点位的场景
。
该方法可以由纳米抗体抗原结合点位预测装置执行，该装置可以由软件和
/
或硬件的方式来实现，集成于具有应用开发功能的计算机设备中
。
[0024]如图1所示，本实施例的纳米抗体抗原结合点位预测方法包括以下步骤：
[0025]S110、
获取待分析纳米抗体序列，并基于所述待分析纳米抗体序列中的残基信息构建目标纳米抗体序列图
。
[0026]其中，待分析纳米抗体序列可以是需要进行纳米抗体抗原结合点位分析的一个蛋白质序列
。
其中，纳米抗体抗原结合点位可以是待分析纳米抗体序列中的残基结构上的一个位置，可以理解为一个残基对应的一个点位
。
[0027]在待分析纳米抗体序列中的众多残基结构中，有的残基可以是一个绑定残基，即一个纳米抗体抗原结合点位，有的残基也可以是一个非绑定残基，即不是与目标抗原结合的点位
。
在本实施例中对待分析纳米抗体序列的纳米抗体抗原结合点位进行预测，即确定待分析纳米抗体序列中的各个残基的类别，是绑定残基，还是非绑定残基
。
[0028]通常，现有技术中心会通过免疫反应实验测定等方式，分析纳米抗体与对应的目标抗原的结合点位，但是这个过程较为繁琐，时间成本与人工成本均较高
。
而在本实施例中，是通过神经网络的方式对待分析纳米抗体序列的序列结构进行分析，以确定待分析纳米抗体序列中的各残基的分类，从而确定待分析纳米抗体序列中的纳米抗体抗原结合点位
。
[0029]目标纳米抗体序列图则是通过待分析纳米抗体序列中各残基之间的结构关系构建的蛋白质序列图，其中能够表现出一定的结构特征，作为纳米抗体抗原结合点位分析的效果
。
[0030]在一种可行的实施方式中，基于待分析纳米抗体序列中的残基信息构建目标纳米抗体序列图的过程包括如下步骤：
[0031]首先，获取待分析纳米抗体序列中每个残基的
α
碳原子在预设三维空间的笛卡尔坐标系中的坐标信息
。
每个残基中均包含多个原子，在本实施例中考虑到碳原子作为残基的骨架元素，选择
α
碳原子作为一个残基标定原子，以该
α
碳原子的坐标作为对应的残基的坐标
。
在同一个笛卡尔坐标系下，已知待分析纳米抗体序列中各残基坐标位置信息，即可以计算各残基的
α
碳原子之间的距离
。
然后，可以在已知各残本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种纳米抗体抗原结合点位预测方法，其特征在于，包括：获取待分析纳米抗体序列，并基于所述待分析纳米抗体序列中的残基信息构建目标纳米抗体序列图；将所述目标纳米抗体序列图输入至经过预先训练的纳米抗体抗原结合点位预测模型，得到所述待分析纳米抗体序列中纳米抗体抗原结合点位预测结果
。2.
根据权利要求1所述的方法，其特征在于，所述基于所述待分析纳米抗体序列中的残基信息构建目标纳米抗体序列图，包括：获取所述待分析纳米抗体序列中每个残基的
α
碳原子在预设三维空间的笛卡尔坐标系中的坐标信息；根据所述坐标信息确定各残基的
α
碳原子之间的距离，并基于
K
最近邻算法确定与各残基最接近的
K
个临近残基；基于各残基及其对应的
K
个临近残基临近的残基构建邻接矩阵，得到所述目标纳米抗体序列图
。3.
根据权利要求1所述的方法，其特征在于，得到所述待分析纳米抗体序列中纳米抗体抗原结合点位预测结果的过程包括：通过所述纳米抗体抗原结合点位预测模型中的抗体特征提取模块提取所述目标纳米抗体序列图的图特征向量；通过所述纳米抗体抗原结合点位预测模型中的膨胀卷积模块
、
高效图卷积模块和图注意力卷积模块对所述图特征向量进行特征提取，得到目标特征向量；通过所述纳米抗体抗原结合点位预测模型中的预设分类器对所述目标特征向量进行分类分析，得到纳米抗体抗原结合点位预测结果
。4.
根据权利要求3所述的方法，其特征在于，在提取所述目标纳米抗体序列图的图特征向量之后，所述方法还包括：以零向量对所述目标纳米抗体序列图的图特征向量进行补充，得到预设数量图特征向量
。5.
根据权利要求1‑4中任一所述的方法，其特征在于，所述纳米抗体抗原结合点位预测模型的训练...

【专利技术属性】
技术研发人员：王鑫，李瑞，孟湘鹏，李尚儒，黄炳顶，
申请(专利权)人：深圳技术大学，
类型：发明
国别省市：