基于进化尺度模型的抗原免疫原性预测方法及系统技术方案

基于进化尺度模型的抗原免疫原性预测方法及系统，涉及计算生物学技术领域。本发明专利技术是为了解决现有抗原免疫原性预测方法难以充分对复杂蛋白质序列的深度特征实现表征，进而影响最终预测结果的稳定性和准确性的问题。本发明专利技术利用进化尺度模型对被测免疫原性数据进行特征编码，生成被测免疫原性数据的特征矩阵，所述被测免疫原性数据包括：T细胞抗原受体序列、I类人类白细胞抗原序列和抗原肽段序列；通过双线性注意力网络将所述特征矩阵融合为联合特征表示矩阵，并输入至抗原免疫原性预测模型，完成抗原免疫原性的预测。

【技术实现步骤摘要】

本专利技术属于计算生物学，尤其涉及抗原免疫原性预测。

技术介绍

1、i类人类白细胞抗原(hla-i)分子递呈的新抗原肽被t细胞抗原受体(tcr)识别，激活t细胞从幼稚t细胞转变为cd8+细胞毒性t细胞，从而刺激免疫系统并摧毁目标恶性细胞。t细胞抗原受体β链的互补决定区3(cdr3β)因其高度多样化的抗原特异性而备受关注。由于tcr在识别新抗原时必须考虑hla限制(因为它既能识别抗原肽，也能识别多态性)，因此了解tcr三元复合物(tcr-phla)的结合机制至关重要。

2、人工智能计算模型的发展为准确预测候选抗原免疫原性提供了技术支持，通过构建深度学习模型来预测抗原免疫原性已被成功应用于免疫治疗的靶标选择，为现代免疫学研究开辟了新途径。在过去若干年里，实验室数据的大量产出和深度学习技术的提高使得抗原免疫原性预测精度得到了提高，然而现有方法在氨基酸序列的编码层面仍然采用传统的编码方式(如blosum，one-hot等)，难以充分对复杂蛋白质序列的深度特征实现表征，影响最终预测结果的稳定性和准确性，因此实现更丰富表征蛋白质序列的编码方法以更高精度预测本文档来自技高网...

【技术保护点】

1.基于进化尺度模型的抗原免疫原性预测方法，其特征在于，包括：

2.根据权利要求1所述的基于进化尺度模型的抗原免疫原性预测方法，其特征在于，所述利用进化尺度模型对被测免疫原性数据进行特征编码，包括：

3.根据权利要求2所述的基于进化尺度模型的抗原免疫原性预测方法，其特征在于，所述进化尺度模型为基于Transformer的模型，其核心架构包括：输入嵌入层、Transformer编码器层及输出层。

4.根据权利要求1所述的基于进化尺度模型的抗原免疫原性预测方法，其特征在于，所述通过双线性注意力网络将所述特征矩阵融合为联合特征表示矩阵，包括：

5...

【技术特征摘要】

1.基于进化尺度模型的抗原免疫原性预测方法，其特征在于，包括：

2.根据权利要求1所述的基于进化尺度模型的抗原免疫原性预测方法，其特征在于，所述利用进化尺度模型对被测免疫原性数据进行特征编码，包括：

3.根据权利要求2所述的基于进化尺度模型的抗原免疫原性预测方法，其特征在于，所述进化尺度模型为基于transformer的模型，其核心架构包括：输入嵌入层、transformer编码器层及输出层。

4.根据权利要求1所述的基于进化尺度模型的抗原免疫原性预测方法，其特征在于，所述通过双线性注意力网络将所述特征矩阵融合为联合特征表示矩阵，包括：

5.根据权利要求1所述的基于进化尺度模型的抗原免疫原性预测方法，其特征在于，所述抗原免疫原性预测模型包括三层一维卷积神经网络和三层全连接神经网络；

6.根据权利要求5所述的基于进化尺度模型的抗原免疫原性...

【专利技术属性】
技术研发人员：徐龙，李晓坤，杨强，董潍赫，王宽全，骆功宁，汪国华，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：