基于深度学习的制造技术

一种基于深度学习的

【技术实现步骤摘要】
基于深度学习的HLA
‑
I类与TCR结合预测方法


[0001]本专利技术涉及的是一种计算机与基因工程交叉领域的技术，具体是一种基于深度学习的主要组织相容性复合体
HLA
‑
I
类与
TCR
结合预测方法
(PanTCR)。

技术介绍

[0002]T
细胞受体
(TCR)
是一种位于
T
细胞表面的分子，能够识别并结合抗原，启动
T
细胞的免疫应答
。TCR
由
α
链和
β
链两个多肽链组成
。HLA
‑
I
分子则是几乎所有核细胞表面的分子，可以结合并呈递抗原给
T
细胞
。HLA
‑
I
分子由
α
链和
β2微球蛋白链两个多肽链组成
。
当
TCR
与
HLA
‑
I
复合物结合时，
TC本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于深度学习的
HLA
‑
I
类与
TCR
结合预测方法，其特征在于，包括以下步骤：步骤
1、
从
IEDB、VDJdb、PIRD
和
McPas
‑
TCR
四个数据库中收集全面的肽
‑
TCR
结合记录并构成数据集；步骤
2、
对进入模型前的数据进行预处理，得到独热编码矩阵，具体包括：
2.1)
将每个数据样例的肽段序列和
TCR
序列合并，并保留原始的肽段序列和
TCR
序列，得到肽段序列
、TCR
序列和合并序列；
2.2)
对步骤
2.1
得到的序列分别进行独热编码，得到三个独热编码矩阵；步骤
3、
将步骤2得到的独热编码矩阵输入深度学习模型进行学习，预测得到结合概率，具体包括：
3.1)TCR
序列的独热编码矩阵通过
CNN
‑
LSTM
模块进行解码得到解码特征，肽段序列和合并序列的独热编码矩阵从二维矩阵变形为一维特征；
3.2)
将步骤
3.1)
得到的解码特征与两类一维特征拼接为融合特征矩阵后，输入深度学习模型的全连接网络，将特征空间映射到标签空间，从而实现对抗原肽段与
TCR
的结合概率的预测
。2.
根据权利要求1所述的基于深度学习的
HLA
‑
I
类与
TCR
结合预测方法...

【专利技术属性】
技术研发人员：袁野，
申请(专利权)人：上海数因信科智能科技有限公司，
类型：发明
国别省市：