龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：南京工业大学
摘要：本发明基于深度学习技术在肿瘤抗原研发中的应用，结合了交叉注意力、自注意力和对抗学习等方法，提出了一种肿瘤抗原与T细胞受体TCR人类白细胞抗原HLA结合特异性的算法，包括：序列嵌入、自注意力编码器提取序列特征、交叉注意力提取序列之间共同特征，肿瘤抗原结合预测、交叠训练。本发明首次使用交叠训练技术在肿瘤抗原结合特异性预测领域，交叉注意力分数揭示了肿瘤抗原结合到受体的关键氨基酸位点。总之，该方法标志着朝向全面评估抗原免疫原性的重要一步。
主权项：1.一种基于交叉注意力机制的HLA和TCR分子抗原结合特异性预测算法，其特征在于：包括步骤：1数据筛选与预处理：模型所需的数据为HLA和抗原结合数据，TCR和抗原结合数据，数据标签及临床病人数据结果。2根据抗原与HLA或TCR结合数据生成负样本，0表示不结合，1表示结合。对HLA不同分型提取对应位点的氨基酸形成伪序列，然后将数据进行标准化并划分训练集，验证集和测试集。3将HLA，抗原和TCR数据输入模型，模型分别将它们映射到潜在空间中的嵌入。三个自注意力编码器采用相同的架构，但分别用独立的参数来从三种类型的序列嵌入中提取表达特征。4采用虚拟对抗学习方法，使数据产生对抗损失。迫使编码器区分正负样本差别，以捕获氨基酸的高维特征。5引入交叉注意力，分别有效地融合抗原-HLA对和抗原-TCR的特征。交叉注意力的输出通过全连接层和softmax变换传递，分别产生pHLA和pTCR结合的预测。所述步骤1中，仅考虑HLAI类分子，根据过去十多项研究创建了一个pHLA结合的基准数据集。为了建立一个大规模的pTCR结合基准数据集，本发明考虑了TCR的α和β链，并将它们视为单一的CDR3序列，通过收集以前研究的pTCR结合数据，并创建了pTCR结合基准数据集。所述步骤2中，负样本的产生方式为：IEDB免疫肽组和随机错配。对于每种HLA等位基因，部分负样本抗原是从IEDB数据库中HLA免疫肽组的源蛋白片段生成的。其他负样本是通过随机错配HLA和抗原序列生成的。尽管可能产生假阴性样本，但这种样本的可能性和比例非常低，可以忽略不计。
全文数据：
权利要求：
百度查询： 南京工业大学 一种基于交叉注意力机制的HLA和TCR分子抗原结合特异性预测算法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号