[发明专利]一种鉴定抗原模型建立方法及鉴定抗原方法

权利要求书

1.一种鉴定抗原模型建立方法，其特征在于，包括：

构建神经网络，其中，所述神经网络包括TCR特征提取神经网络、pMHC特征提取神经网络和抗原鉴定神经网络；

构建数据集，其中，所述数据集包括TCR CDR3、HLA I和抗原序列；

将所述数据集输入所述神经网络，对所述神经网络进行训练，以建立鉴定抗原模型。

2.根据权利要求1所述的鉴定抗原模型建立方法，其特征在于，还包括：

采用Z描述符描述所述数据集中的TCR CDR3、HLA I和抗原序列，将描述后的矩阵归一化，以分别确定TCR CDR3序列矩阵、HLA I序列矩阵和抗原序列矩阵。

3.根据权利要求2所述的鉴定抗原模型建立方法，其特征在于，所述将所述数据集输入所述神经网络，对所述神经网络进行训练，包括：

将所述TCR CDR3序列矩阵作为训练集，对所述TCR特征提取神经网络进行训练；将所述TCR CDR3序列矩阵输入到训练好的TCR特征提取神经网络中，得到TCR特征向量；

将所述HLA I序列矩阵和所述抗原序列矩阵作为训练集，对所述pMHC特征提取神经网络中进行训练；将所述HLA I序列矩阵和所述抗原序列矩阵输入到训练好的pMHC特征提取神经网络中，得到pMHC特征向量；

将所述TCR特征向量和所述pMHC特征向量作为训练集，对所述抗原鉴定神经网络进行训练。

4.根据权利要求3所述的鉴定抗原模型建立方法，其特征在于，所述对所述抗原鉴定神经网络进行训练之前，所述鉴定抗原模型建立方法还包括：

采用SMOTE算法对所述TCR特征向量和所述pMHC特征向量组成的训练集进行平衡处理。

5.根据权利要求3所述的鉴定抗原模型建立方法，其特征在于，所述对所述抗原鉴定神经网络进行训练包括：

将所述TCR特征向量和所述pMHC特征向量能否结合状态作为分类标签。

6.根据权利要求3所述的鉴定抗原模型建立方法，其特征在于，所述TCR特征向量和所述pMHC特征向量组成的训练集包括人造阴性结合数据。

7.根据权利要求1所述的鉴定抗原模型建立方法，其特征在于，所述TCR特征提取神经网络，包括编码器模块、特征提取模块和解码器模块；

所述编码器模块所采用的卷积层模块包括四层Cov1D层；

所述特征提取模块包括一层用于输出TCR序列特征的全连接层；

所述解码器模块包括四层Conv1D层。

8.根据权利要求1所述的鉴定抗原模型建立方法，其特征在于，所述pMHC特征提取神经网络包括HLA特征提取模块、抗原特征提取模块、特征提取模块和标签训练模块；

所述HLA特征提取模块包括四层Cov1D层，一层Reshape层，以及一层全连接层；

所述抗原特征提取模块包括四层Cov1D层，一层Reshape层，以及一层全连接层；

所述特征提取模块包括一层用于输出pMHC序列特征的全连接层；

所述标签训练模块包括两层全连接层。

9.根据权利要求1所述的鉴定抗原模型建立方法，其特征在于，所述抗原鉴定神经网络包括TCR特征学习模块、pMHC特征学习模块和输出模块；

所述TCR特征学习模块包括两个全连接层；

所述pMHC特征学习模块包括两个全连接层；

所述输出模块采用三个用于输出抗原鉴定结果的全连接层。

10.一种鉴定抗原方法，其特征在于，包括：

获取需要检测的TCR CDR3、HLA I和抗原序列，将所述需要检测的TCR CDR3、HLA I和抗原序列输入到权利要求1至9任一项所述的鉴定抗原模型建立方法所建立的鉴定抗原模型中，得到抗原的鉴定结果。