买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工业大学申请的专利一种在原子水平智能识别T细胞抗原的方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119864088B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510178950.1，技术领域涉及：G16B40/00；该发明授权一种在原子水平智能识别T细胞抗原的方法是由蒋庆华设计研发完成，并于2025-02-18向国家知识产权局提交的专利申请。

本一种在原子水平智能识别T细胞抗原的方法在说明书摘要公布了：本发明公开了一种在原子水平智能识别T细胞抗原的方法，包括以下步骤：将抗原、HLA和TCR表示为以原子为节点、化学键为边的图；构建原子水平的抗原与HLA结合智能预测模型，筛选能被HLA呈递的抗原；构建原子水平的抗原与TCR相互作用智能预测模型，筛选能被TCR识别的抗原；综合T细胞克隆频率计算抗原的免疫原性并识别高免疫原性抗原，形成T细胞抗原智能识别方法。本发明克服了现有技术仅在序列或残基水平识别T细胞抗原导致大部分候选抗原无法引起免疫反应的问题，能够在原子水平精准筛选具有免疫原性的肿瘤新抗原。

本发明授权一种在原子水平智能识别T细胞抗原的方法在权利要求书中公布了：1.一种在原子水平智能识别T细胞抗原的方法，其特征在于，包括如下步骤： 1抗原、HLA、TCR数据表示与特征编码：利用氨基酸的结构式将抗原、HLA和TCR的氨基酸序列分别表示为以原子为节点、化学键为边的图，并结合原子和化学键的物理化学属性对图进行数字化编码； 2抗原与HLA结合智能预测模型构建：基于抗原与HLA的图表示，建立人工智能模型预测抗原与HLAⅠ类分子或HLAⅡ分子的结合概率以及原子级接触位点，筛选出能够被HLA呈递的抗原；3抗原与TCR相互作用智能预测模型构建：基于抗原与TCR的图表示，建立人工智能模型预测抗原与TCR的结合概率以及原子级接触位点，筛选出能够被TCR识别的抗原； 4T细胞抗原智能识别方法构建：根据抗原与每条TCR相互作用的概率以及T细胞克隆频率，计算能够被HLA呈递的抗原的免疫原性综合评分，筛选高免疫原性的抗原，获得所述在原子水平智能识别T细胞抗原的方法； 其中，所述抗原与HLA结合智能预测模型构建，包括如下步骤： 1利用图卷积网络提取抗原与HLA的原子级特征，从抗原和HLA中分别识别出在相互作用中发挥关键作用的原子，利用多头交叉注意力机制预测抗原与HLA的结合反应性，通过训练集与验证集数据调整预测模型的参数； 2利用已解析的抗原与HLA复合物的3D结构计算抗原与HLA之间成对原子的欧式距离，作为先验信息微调模型参数，指导图卷积网络识别在抗原与HLA结合过程中发挥关键作用的原子，并预测关键原子之间接触概率； 所述抗原与TCR相互作用智能预测模型构建，包括如下步骤： 1利用图卷积网络提取抗原与TCR的原子级特征，从抗原和TCR中分别筛选出在相互作用中发挥关键作用的原子，利用多头交叉注意力机制预测抗原与HLA的结合反应性，通过训练集与验证集数据调整预测模型的参数； 2利用抗原与TCR复合物的3D结构计算抗原与TCR之间成对原子的欧式距离，作为用已解析先验信息微调模型参数，指导图卷积网络识别在抗原与TCR相互作用中发挥关键作用的原子，并预测关键原子之间接触概率；所述利用图卷积网络提取抗原、HLA和TCR原子级特征，包括如下步骤： 1将每条抗原、HLA或TCR序列进行图表示，并通过一个单层神经网络转换成原子特征； 2将原子特征经过多层图卷积网络处理，在每次迭代中依次利用消息聚合、信息更新和门控循环单元GRU进行处理，得到更新后的原子特征； 3通过神经网络为每个原子进行打分，并利用Top-k池化方法挑选k个得分最高的原子，以代表抗原、HLA和TCR的原子级特征； 所述利用多头交叉注意力机制预测抗原与HLA或TCR的相互作用，包括如下步骤： 1基于经过图卷积更新后的抗原、HLA或TCR的原子特征，利用多头注意力权重的平均值，计算抗原的Top-k原子与HLA或TCR的Top-k原子之间的成对相互作用特征； 2根据该相互作用特征，利用多层感知机计算抗原与HLA结合或与TCR相互作用的概率，并据此作出二元判别，即抗原是否与HLA结合或与TCR相互作用，同时，利用交叉熵损失函数对模型参数进行优化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学，其通讯地址为：150006 黑龙江省哈尔滨市南岗区西大直街92号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。