[發(fā)明專(zhuān)利]抗原肽呈遞預(yù)測(cè)模型的構(gòu)建方法、抗原肽預(yù)測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202210170086.7
• 申請(qǐng)日: 2022-02-24
• 公開(kāi)（公告）號(hào): CN114242159B
• 公開(kāi)（公告）日: 2022-06-07
• 發(fā)明（設(shè)計(jì)）人: 王天元;翟珂
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京晶泰科技有限公司
• 主分類(lèi)號(hào): G16B5/00
• 分類(lèi)號(hào): G16B5/00;G16B35/00;G16B40/00
• 代理公司: 北京匯鑫君達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11769
• 代理人: 劉湘菲

1.一種抗原肽呈遞預(yù)測(cè)模型的構(gòu)建方法，其特征在于，包括：

獲取預(yù)選種類(lèi)的目標(biāo)HLA及與所述目標(biāo)HLA對(duì)應(yīng)的具有預(yù)設(shè)比例的正樣本數(shù)據(jù)和負(fù)樣本數(shù)據(jù)，其中，針對(duì)每種目標(biāo)HLA，將正樣本數(shù)據(jù)與負(fù)樣本數(shù)據(jù)按照1：（8~10）生成訓(xùn)練數(shù)據(jù)，及將正樣本數(shù)據(jù)與負(fù)樣本數(shù)據(jù)按照1：（800~1000）生成測(cè)試數(shù)據(jù)；將所述訓(xùn)練數(shù)據(jù)按照K折交叉驗(yàn)證劃分獲得訓(xùn)練集和驗(yàn)證集；和將所述訓(xùn)練數(shù)據(jù)按照K折交叉驗(yàn)證劃分獲得訓(xùn)練集和驗(yàn)證集，并將預(yù)設(shè)數(shù)量的偽標(biāo)簽數(shù)據(jù)加入所述訓(xùn)練集；其中，所述偽標(biāo)簽數(shù)據(jù)由空白標(biāo)簽的所述測(cè)試數(shù)據(jù)根據(jù)預(yù)先訓(xùn)練的子模型預(yù)測(cè)獲得對(duì)應(yīng)的偽標(biāo)簽后形成；所述正樣本數(shù)據(jù)包括正樣本多肽序列、正樣本多肽序列的上游序列、正樣本多肽序列的下游序列、及正樣本多肽序列與目標(biāo)HLA的正呈遞結(jié)果；所述負(fù)樣本數(shù)據(jù)包括與所述正樣本多肽序列不同的負(fù)樣本多肽序列、負(fù)樣本多肽序列的上游序列、負(fù)樣本多肽序列的下游序列、及負(fù)樣本多肽序列與所述目標(biāo)HLA的負(fù)呈遞結(jié)果；

將所述目標(biāo)HLA及相應(yīng)的所述正樣本數(shù)據(jù)和負(fù)樣本數(shù)據(jù)分別輸入多種基于BERT模型的不同架構(gòu)的子模型進(jìn)行訓(xùn)練，獲得多個(gè)訓(xùn)練好的所述子模型；

通過(guò)預(yù)設(shè)規(guī)則對(duì)各所述訓(xùn)練好的子模型進(jìn)行篩選，獲得包括優(yōu)選子模型的預(yù)測(cè)模型；其中，所述預(yù)測(cè)模型綜合所述優(yōu)選子模型的預(yù)測(cè)呈遞結(jié)果預(yù)測(cè)目標(biāo)抗原肽被所述目標(biāo)HLA呈遞的結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述目標(biāo)HLA及相應(yīng)的所述正樣本數(shù)據(jù)和負(fù)樣本數(shù)據(jù)分別輸入多種基于BERT模型的不同架構(gòu)的子模型進(jìn)行訓(xùn)練，獲得多個(gè)訓(xùn)練好的所述子模型，包括：

將所述正樣本數(shù)據(jù)中的正樣本多肽序列及正呈遞結(jié)果、和所述負(fù)樣本數(shù)據(jù)中的負(fù)樣本多肽序列及負(fù)呈遞結(jié)果作為訓(xùn)練數(shù)據(jù)對(duì)至少部分基于BERT模型的不同架構(gòu)的子模型進(jìn)行訓(xùn)練，獲得對(duì)應(yīng)的訓(xùn)練好的所述子模型；和/或

將所述正樣本數(shù)據(jù)和所述負(fù)樣本數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)對(duì)至少部分基于BERT模型的不同架構(gòu)的子模型進(jìn)行訓(xùn)練，獲得對(duì)應(yīng)的訓(xùn)練好的所述子模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多種基于BERT模型的不同架構(gòu)的子模型，包括以下至少之一：

BERT與CNN融合模型、BERT與LSTM融合模型、BERT與LSTM及GRU融合模型、含雙層句向量隱藏層的BERT模型、含三層句向量隱藏層的BERT模型、含全局平均池化層的BERT模型、含詞向量批標(biāo)準(zhǔn)化的BERT模型、及標(biāo)準(zhǔn)BERT模型。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過(guò)預(yù)設(shè)規(guī)則對(duì)各所述訓(xùn)練好的子模型進(jìn)行篩選，獲得包括優(yōu)選子模型的預(yù)測(cè)模型，包括：

分別獲取各所述子模型的預(yù)測(cè)呈遞結(jié)果的精確率和召回率；

根據(jù)所述精確率和召回率，通過(guò)預(yù)設(shè)評(píng)估函數(shù)確定各所述子模型的準(zhǔn)確性評(píng)估分?jǐn)?shù)；

根據(jù)對(duì)應(yīng)的所述準(zhǔn)確性評(píng)估分?jǐn)?shù)，在所述子模型中篩選獲得優(yōu)選子模型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述分別獲取各所述子模型的預(yù)測(cè)呈遞結(jié)果的精確率和召回率，包括：

分別統(tǒng)計(jì)每個(gè)子模型的預(yù)測(cè)呈遞結(jié)果中的TP、FP、FN的個(gè)數(shù)；

根據(jù)對(duì)應(yīng)的TP、FP及FN的個(gè)數(shù)，確定對(duì)應(yīng)的各所述子模型的精確率和召回率。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取預(yù)選種類(lèi)的目標(biāo)HLA及與所述目標(biāo)HLA對(duì)應(yīng)的具有預(yù)設(shè)比例的正樣本數(shù)據(jù)和負(fù)樣本數(shù)據(jù)之前，包括：

獲得被候選HLA結(jié)合和呈遞的多肽序列，并根據(jù)序列相似度對(duì)獲得的被所述候選HLA結(jié)合和呈遞的多肽序列進(jìn)行聚類(lèi)處理，獲得多種候選HLA和對(duì)應(yīng)的正樣本多肽序列集；

在各所述候選HLA中篩選獲得多種所述目標(biāo)HLA，并將所述候選HLA對(duì)應(yīng)的所述正樣本多肽序列集作為所述目標(biāo)HLA的正樣本數(shù)據(jù)。

7.一種抗原肽預(yù)測(cè)方法，其特征在于，包括：

獲取目標(biāo)抗原肽序列；

根據(jù)權(quán)利要求1至6中任一項(xiàng)構(gòu)建所述的預(yù)測(cè)模型，預(yù)測(cè)所述目標(biāo)抗原肽序列被所述預(yù)測(cè)模型中的目標(biāo)HLA呈遞的結(jié)果。