申请/专利权人：深圳市新合生物医疗科技有限公司

申请日：2020-07-27

公开（公告）日：2024-06-28

公开（公告）号：CN111951887B

主分类号：G16B20/30

分类号：G16B20/30;G16B40/00;G06N3/0442;G06N3/045;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2020.12.04#实质审查的生效;2020.11.17#公开

摘要：本发明提供一种基于深度学习的白细胞抗原与多肽结合亲和力预测方法，包括：步骤S101：对人类白细胞抗原序列进行编码；步骤S102：构建人类白细胞抗原序列与肽段对序列；步骤S103：构建人类白细胞抗原序列与肽链对编码矩阵；步骤S104：人类白细胞抗原与肽段结合的亲和力预测模型构建。本发明综合考虑了人类白细胞抗原蛋白序列与肽段各自的序列对亲和力强度的影响，开发了一种基于深度学习的白细胞抗原与多肽结合亲和力预测方法。

主权项：1.一种基于深度学习的白细胞抗原与多肽结合亲和力预测方法，其特征在于，包括：步骤S101：对人类白细胞抗原序列进行编码；步骤S102：构建所述人类白细胞抗原序列与肽段对序列；步骤S103：构建所述人类白细胞抗原序列与肽链对编码矩阵；步骤S104：人类白细胞抗原与肽段结合的亲和力预测模型构建；其中，所述步骤S104：人类白细胞抗原与肽段结合的亲和力预测模型构建，包括：步骤S201：捕获编码矩阵序列信息；步骤S202：从多个角度为氨基酸分配权重；步骤S203：计算人类白细胞抗原序列-肽段的亲和力；其中，所述步骤S201：捕获编码矩阵序列信息，包括：将所述编码矩阵序列中的每一个氨基酸视为所述人类白细胞抗原序列中的一个结点；将所述结点的编码向量依次送入双向长短期记忆网络中；所述双向长短期记忆网络可以分别按照所述编码矩阵序列的正向与逆向顺序对所述编码矩阵序列进行特征学习；其中，所述步骤S202：从多个角度为氨基酸分配权重，包括：通过多头注意力机制将所述编码矩阵序列的特征映射至多个特征空间；在多个子空间下，得到每个特征空间下各氨基酸的注意力权重；通过一个滤片尺寸为head*1*1的卷积神经网络单独为每个特征空间分配权重，随后分别对于每个氨基酸的多个注意力权重进行加权求和，从而得到序列的重要性向量，公式如下：W＝[w1,W2,…,Whead] 其中，W为卷积神经网络的滤片矩阵，wh为第h个特征空间所对应的权重，xh为第h个特征空间下各氨基酸的注意力权重向量。

全文数据：

权利要求：

百度查询： 深圳市新合生物医疗科技有限公司 基于深度学习的白细胞抗原与多肽结合亲和力预测方法

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