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：本发明公布了一种基于自监督对比学习的TCR与抗原复合物亲和力预测算法，包括预训练与预测两个阶段：1对比学习预训练阶段,使用TCR序列作为训练集，对TCR序列的氨基酸计算注意力权重，以一定概率掩盖部分氨基酸产生新的TCR序列，通过Transformer编码器进行编码，生成两条序列的向量表示embedding，然后根据对比学习框架，计算两条序列的余弦相似性，归一化温度‑尺度交叉熵计算损失，使用梯度下降算法进行损失函数优化。2下游预测阶段，操作者将待测试的TCR序列与抗原复合物序列，输入至训练好的Transformer编码器得到向量表示，将特征向量串联后输入到全连接网络中预测TCR与抗原复合物亲和力。
主权项：1.一种基于对比学习的TCR与抗原复合物亲和力预测算法，其特征在于：包括以下步骤：S1：使用训练集中的TCRCDR3序列作为模型输入；S2：基于注意力机制的编码模块对TCR序列的每个氨基酸进行编码，并计算注意力权重；S3：通过修改注意力权重概率掩蔽方式来生成不同的掩蔽TCR序列；S4：将原始TCR序列与掩蔽生成的TCR序列输入到Transformer编码器进行编码，生成两条序列的向量表征hi和hi’；S5：将向量hi和hi’输入到自监督对比学习模块中，该模块使用归一化温度-尺度交叉熵计算对比损失，通过迭代更新参数最小化对比损失，获得训练好的TCR编码器；S6：在预测任务中，训练好的编码器被用于对TCRCDR3序列编码，使用公开的MHC编码器对抗原序列进行编码，将两种序列编码后的特征串联起来，作为预测模块的输入；S7：预测网络使用多层全连接网络，预测TCR和抗原的结合。
全文数据：
权利要求：
百度查询： 南京工业大学 一种基于对比学习的TCR与抗原复合物亲和力预测算法
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