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：劲风生物技术(天津)有限公司
摘要：本发明公开了一种采用迁移学习策略的分阶段深度学习神经网络预测TCR与pMHC结合的模型算法，应用在肿瘤预测诊断技术领域。本发明通过两个双向编码器转换器表示框架学习TCR、pMHC氨基酸序列的深层特征信息，并通过迁移学习的方式将其应用于S3的TCR‑pMHC结合强度预测中，有效的降低了TCR‑pMHHC数据不足的影响。相对于传统的预测方法，在一定程度上提升了预测的准确性，增强了模型的泛化能力，让模型可以更好的预测之前没有看到过的肽与TCR的结合强度，以更好的辅助肿瘤免疫研究和治疗。
主权项：1.一种采用迁移学习策略的分阶段深度学习神经网络预测TCRT细胞受体与pMHC肽-MHCI类分子复合物结合的模型算法，包括以下步骤：S1：使用基于双向编码器转换器表示BidirectionalEncoderRepresentationsfromTransformers，BERT框架的深度学习神经网络学习TCR氨基酸序列的特征，通过掩码的方式让深度神经网络学习TCR氨基酸序列相关的深层信息，将输入的氨基酸序列映射为一个含有深层特征信息的高维矩阵；S2：使用基于双向编码器转换器表示框架及多任务学习Multi-TaskLearning框架的深度学习神经网络学习抗原肽氨基酸序列特征，MHCI核苷酸序列特征，及抗原肽是否被MHCI呈递到细胞表面的特征，通过掩码和监督学习抗原肽和MHCI能否结合的方式让深度神经网络学习抗原肽氨基酸序列和MHCI核苷酸序列相关的深层信息，将输入的pMHC的氨基酸序列映射为一个含有深层特征信息的高维矩阵；S3：使用S1、S2中得到的深度学习神经网络进行特征迁移。本阶段使用两个共享权重的多层感知机构成孪生网络，通过S1、S2得到的深度神经网络输出含有TCR、pMHC深层特征信息的高维矩阵，将两个高维矩阵作为输入，通过正负例对比学习的方式预测TCR-pMHC的结合能力。
全文数据：
权利要求：
百度查询： 劲风生物技术(天津)有限公司 一种采用迁移学习策略的分阶段深度学习神经网络预测TCR与pMHC结合的模型算法
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