[发明专利]抗体-蛋白质结合亲和力预测模型的训练方法和装置

说明书

本发明公开一种抗体‑蛋白质结合亲和力预测模型的训练方法，包括：获取抗体‑蛋白质抗原复合物亲和力的数据集，并计算所述数据集中抗体‑蛋白质抗原复合物的表面信息和界面信息；以所述数据集中抗体‑蛋白质抗原复合物的表面信息和界面信息对多个预测亲和力模型进行训练，其中，预测亲和力模型包括：预测亲和力的线性模型、预测亲和力的非线性模型和预测亲和力的混合模型；对训练得到的多个预测亲和力模型行模型挑选得到抗体‑蛋白质结合亲和力预测模型。

技术领域

本发明属于计算机技术领域，尤其是一种抗体-蛋白质结合亲和力预测模型的训练方法和装置。

背景技术

抗体-蛋白质相互作用是指抗体和蛋白质抗原通过非共价键形成抗体-蛋白质复合物的过程，其构成了免疫系统的重要组成部分。

抗体-蛋白质复合物结构是抗体-蛋白质相互作用的产物和形式。从结构上刻画和阐明抗体-蛋白质相互作用的决定因素，有助于更高效地设计和研发新的抗体药物。作为与之紧密相关的研究方向之一，抗体-蛋白质复合物结构中的几何特性与结合亲和力之间的定量关系的研究越来越多。

其中，Sulea等人用溶剂相互作用能量函数估计抗体-抗原结合亲和力。该模型使用不同的能量项，考虑结合前后蛋白质与溶剂相互作用的变化，计算相对复杂。Marillet等人基于体积倒数加权的内部路径长度(inverse volume-weighted internal pathlength,IVW-IPL)和带电的表面氨基酸的比例(NIScharged)，用K近邻回归训练模型，预测抗体-抗原结合亲和力。在该模型中，作者以不同的方式刻画界面和表面信息，缺少一致的几何或物理意义。Myung等人基于图的特征描述了抗体-抗原结合界面，用机器学习方法训练模型，以预测抗体-抗原结合亲和力。该模型只考虑了界面信息，忽略了表面对亲和力的贡献。使用一般蛋白质-蛋白质结合亲和力预测的方法预测抗体-蛋白质抗原结合亲和，存在问题是预测结果与实验数据偏差较大。

发明内容

为解决上述技术问题，本发明创造的实施例提供一种抗体-蛋白质结合亲和力预测模型的训练方法，其特征在于，包括：

获取抗体-蛋白质抗原复合物亲和力的数据集，并计算所述数据集中抗体-蛋白质抗原复合物的表面信息和界面信息；

以所述数据集中抗体-蛋白质抗原复合物的表面信息和界面信息对多个预测亲和力模型进行训练，其中，预测亲和力模型包括：预测亲和力的线性模型、预测亲和力的非线性模型和预测亲和力的混合模型；

对训练得到的多个预测亲和力模型行模型挑选得到抗体-蛋白质结合亲和力预测模型。

一种抗体-蛋白质结合亲和力预测模型的训练装置，包括：

获取模块，用于获取抗体-蛋白质抗原复合物亲和力的数据集，并计算所述数据集中抗体-蛋白质抗原复合物的表面信息和界面信息；

处理模块，用于以所述数据集中抗体-蛋白质抗原复合物的表面信息和界面信息对多个预测亲和力模型进行训练，其中，预测亲和力模型包括：预测亲和力的线性模型、预测亲和力的非线性模型和预测亲和力的混合模型；

执行模块，用于对训练得到的多个预测亲和力模型行模型挑选得到抗体-蛋白质结合亲和力预测模型。

一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如上所述抗体-蛋白质结合亲和力预测模型的训练方法的步骤。

一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上所述抗体-蛋白质结合亲和力预测模型的训练方法的步骤。