申请/专利权人：四川大学华西医院

申请日：2024-01-12

公开（公告）日：2024-06-25

公开（公告）号：CN118248217A

主分类号：G16B30/00

分类号：G16B30/00;G06N3/0455;G06N3/0442;G06N3/08;G16B40/00;G16H50/80

优先权：

专利状态码：在审-公开

法律状态：2024.06.25#公开

摘要：一种基于mRVBERT模型的mRNA疫苗序列优化方法，涉及mRNA疫苗序列优化技术领域，主要步骤为氨基酸序列经嵌入层转换为向量，再经转换器编码器块计算出密码子，再输入至排名块和生成块生成密码子序列然后合并得到ORF序列，将ORF序列送至预训练DNABERT模型，处理结果送至5'UTR和3'UTR编码器，分别得到5'UTR和3'UTR独立特征，再经多头交叉注意力模块的交叉融合计算形成5'UTR和3'UTR融合特征，将独立特征和融合特征输入至融合表示模块生成最终5'UTR和3'UTR序列，最后与ORF序列合并输出完整mRNA疫苗序列。本发明还提供了一种基于mRVBERT模型的mRNA疫苗序列优化系统，由密码子翻译模块和非翻译区生成模块组成。本发明可快速针对特定病原体抗原设计出针对该抗原的mRNA疫苗序列。

主权项：1.一种基于mRVBERT模型的mRNA疫苗序列优化方法，其特征在于，包括下述步骤：S1、将外源蛋白质的氨基酸序列，输入至嵌入层EmbeddingLayer并转换为向量；S2、将步骤S1中得到的向量输入至多层转换器编码器块TransformerEncoder进行计算输出密码子；S3、将步骤S2中得到的密码子输入至排名块RankBlock和生成块GenerativeBlock，排名块RankBlock通过学习密码子之间的关系、以及物种密码子的偏好性，分析转换器编码器块TransformerEncoder的输出并对密码子进行评分和排序，生成块GenerativeBlock生成实际的密码子序列，所述密码子序列合并在一起得到完整的开放阅读框ORF序列；S4、将步骤S3生成的ORF序列输入至预训练DNABERT模型pre-trainedDNABERT进行处理，捕捉RNA序列的模式和生物学特征；S5、将步骤S4中得到的处理结果输入至5'UTR编码器和3'UTR编码器，并分别对5'非翻译区和3'非翻译区进行处理，分别得到5'UTR独立特征和3'UTR独立特征；S6、将步骤S5中得到的5'UTR独立特征和3'UTR独立特征输入至多头交叉注意力模块Multi-HeadCross-Attention进行交叉融合计算，分别形成5'UTR融合特征和3'UTR融合特征；S7、将步骤S6中得到的5'UTR融合特征和3'UTR融合特征，以及步骤S5中得到的5'UTR独立特征和3'UTR独立特征，输入至融合表示模块FusedRepresentation，其中，5'UTR独立特征和5'UTR融合特征加权求和生成最终的5'UTR序列，3'UTR独立特征和3'UTR融合特征加权求和生成最终3'UTR序列；S8、将步骤S3得到的开放阅读框ORF序列、步骤S7得到的最终5'UTR序列和最终3'UTR序列，按照最终5'UTR序列、开放阅读框ORF序列、最终3'UTR序列的顺序合并组成一个完整的mRNA序列作为最终输出，即通过优化后的mRNA疫苗序列。

全文数据：

权利要求：

百度查询： 四川大学华西医院 一种基于mRVBERT模型的mRNA疫苗序列优化方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD