[发明专利]检测抗原和抗体关系的方法、装置、电子设备及存储介质在审
申请号: | 202110594706.5 | 申请日: | 2021-05-28 |
公开(公告)号: | CN113298093A | 公开(公告)日: | 2021-08-24 |
发明(设计)人: | 丁金如;张捷 | 申请(专利权)人: | 上海商汤智能科技有限公司 |
主分类号: | G06K9/46 | 分类号: | G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京中知恒瑞知识产权代理事务所(普通合伙) 11889 | 代理人: | 吴迪 |
地址: | 200233 上海市徐*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 检测 抗原 抗体 关系 方法 装置 电子设备 存储 介质 | ||
1.一种检测抗原和抗体关系的方法,其特征在于,包括:
分别获取所述抗原和所述抗体的用于表征结构特征的一级序列数据;
分别对所述抗原和所述抗体的所述一级序列数据进行全局特征提取和局部特征提取,生成所述抗原的全局特征数据和局部特征数据以及所述抗体的全局特征数据和局部特征数据;
基于所述抗体和所述抗原分别对应的所述全局特征数据和所述局部特征数据,确定所述抗原和所述抗体之间的相互作用关系。
2.根据权利要求1所述的方法,其特征在于,在对所述一级序列数据进行全局特征提取和局部特征提取,生成全局特征数据和局部特征数据之前,所述方法还包括:
利用预设的编码方式、频率统计方式、位置特异性得分矩阵方式中的至少一种方式,对所述一级序列数据进行数值化处理,生成初始特征数据;以及
所述分别对所述抗原和所述抗体的所述一级序列数据进行全局特征提取和局部特征提取,生成所述抗原的全局特征数据和局部特征数据以及所述抗体的全局特征数据和局部特征数据,包括:
分别对所述抗原和所述抗体的所述初始特征数据进行全局特征提取和局部特征提取,生成所述抗原的全局特征数据和局部特征数据以及所述抗体的全局特征数据和局部特征数据。
3.根据权利要求1或2所述的方法,其特征在于,所述基于所述抗体和所述抗原分别对应的所述全局特征数据和所述局部特征数据,确定所述抗原和所述抗体之间的相互作用关系,包括:
将所述抗体对应的所述全局特征数据和所述局部特征数据,与所述抗原对应的所述全局特征数据和所述局部特征数据进行融合,生成融合特征数据;
基于所述融合特征数据,确定所述抗原和所述抗体之间的相互作用关系。
4.根据权利要求1~3任一所述的方法,其特征在于,所述抗原和所述抗体之间的相互作用关系包括:所述抗原和所述抗体是否能够结合,和/或,所述抗原和所述抗体之间结合的强弱程度。
5.根据权利要求1所述的方法,其特征在于,所述确定所述抗原和所述抗体之间的相互作用关系由训练后的目标神经网络执行。
6.根据权利要求5所述的方法,其特征在于,根据下述步骤训练所述目标神经网络:
获取训练样本,所述训练样本中包括满足结合条件的抗原抗体对的一级序列数据样本构成的正样本、和不满足所述结合条件的抗原抗体对的一级序列数据样本构成的负样本;
利用所述训练样本,对待训练的神经网络进行训练,得到训练后的目标神经网络。
7.根据权利要求6所述的方法,其特征在于,所述利用所述训练样本,对待训练的神经网络进行训练,得到训练后的目标神经网络,包括:
利用所述训练样本,对待训练的神经网络进行训练,得到训练后的神经网络;
根据所述目标神经网络对应的启动任务,获取测试样本;其中,所述启动任务包括热启动任务和/或冷启动任务;其中,所述冷启动任务对应的所述测试样本包括的抗原抗体对与所述训练样本包括的抗原抗体对,不存在相同的抗体;以及所述热启动任务对应的所述测试样本包括的抗原抗体对与所述训练样本包括的抗原抗体对,存在相同的抗体;
利用获取的测试样本,对所述训练后的神经网络进行测试,在所述训练后的神经网络满足预设的训练截止条件时,将所述训练后的神经网络作为所述目标神经网络。
8.根据权利要求1~7任一所述的方法,其特征在于,所述方法还包括:
获取目标抗原的目标一级序列数据,以及所述目标抗原对应的多个候选抗体的候选一级序列数据;
基于所述目标一级序列数据和各个候选抗体分别对应的所述候选一级序列数据,确定所述目标抗原与每个所述候选抗体之间的相互作用关系;
基于所述目标抗原与各个所述候选抗体之间的相互作用关系,从多个所述候选抗体中,选取能够与所述目标抗原结合的目标抗体。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海商汤智能科技有限公司,未经上海商汤智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110594706.5/1.html,转载请声明来源钻瓜专利网。