[发明专利]一种鉴定抗原模型建立方法及鉴定抗原方法

说明书

本发明提供了一种鉴定抗原模型建立方法及鉴定抗原方法，涉及神经网络和免疫反应预测技术领域。本发明所述的鉴定抗原模型建立方法，包括：构建神经网络，其中，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，数据集包括TCRCDR3、HLAI和抗原序列；将数据集输入神经网络，对神经网络进行训练，以建立鉴定抗原模型。本发明所述的技术方案，能够实现对TCRCDR3、HLAI和抗原的序列信息进行特征提取，从而能够鉴定活化T细胞的相关抗原。

技术领域

本发明涉及神经网络和免疫反应预测技术领域，具体涉及一种鉴定抗原模型建立方法及鉴定抗原方法。

背景技术

免疫疗法是一项可用于癌症治疗的新技术。该方法中最重要的步骤是激活人的适应性免疫反应，即通过介导细胞毒性T淋巴细胞对病变细胞的识别和破坏。

在现有技术中，一般采用直接检测的方法、建模预测的方法和机器学习的方法，进行T细胞抗原鉴定，然而，这些方法在实现过程中用到的数据有限，因此能够鉴定的肽段十分有限，由于该反应的复杂性，目前人们对于何种抗原能够激活T淋巴细胞的免疫反应的了解仍然十分有限。

发明内容

本发明要解决的技术问题是如何实现活化T细胞的相关抗原的鉴定。

为解决上述问题，本发明提供一种鉴定抗原模型建立方法，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。

优选地，采用Z描述符描述数据集中的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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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；