[发明专利]用于生成蛋白质的氨基酸序列的方法和系统

说明书

公开了用于生成蛋白质的氨基酸序列的方法和系统。该方法包括：通过计算系统获得包括蛋白质的氨基酸序列的训练数据集，该计算系统包括一个或更多个计算装置，该计算装置具有一个或更多个处理器和存储器；通过该计算系统，基于训练数据集来生成结构化氨基酸序列；通过该计算系统，使用结构化氨基酸序列和生成式对抗网络来生成用于产生与包括在训练数据集中的氨基酸序列相对应的附加氨基酸序列的模型；通过该计算系统，使用该模型和输入向量来生成附加氨基酸序列；通过该计算系统，根据一个或更多个标准来评估附加氨基酸序列，以确定用于附加氨基酸序列的度量。

本申请是申请日为2020年5月19日，申请号为202080045620.0，发明名称为“使用机器学习技术生成蛋白质序列”的发明专利申请的分案申请。

技术领域

本公开内容涉及用于生成蛋白质的氨基酸序列的方法和系统。

背景技术

蛋白质是由一条或更多条氨基酸链构成的生物分子。蛋白质可以在生物体内具有各种功能。例如，一些蛋白质可以参与引起在生物体内发生的反应。在其他示例中，蛋白质可以在整个生物体中转运分子。在其他示例中，蛋白质可以参与基因的复制。另外，一些蛋白质可以具有治疗特性并用于治疗各种生物学病症。蛋白质的结构和功能基于构成蛋白质的氨基酸的排列。针对蛋白质的氨基酸的排列可以用字母序列表示，其中，每个字母与某一位置处的氨基酸相对应。针对蛋白质的氨基酸的排列也可以由三维结构表示，三维结构不仅指示蛋白质的某些位置处的氨基酸，还指示蛋白质的三维特征，例如α-螺旋或β-折叠。

附图说明

本公开内容通过示例而非限制的方式在附图的图中示出，在附图中，相同的附图标记表示相似的要素。

图1是示出根据一些实现方式的生成蛋白质序列的示例框架的图。

图2是示出根据一些实现方式的包括用于生成蛋白质序列的编码部件和解码部件的示例框架的图。

图3是示出根据一些实现方式的用于生成蛋白质序列的包括生成部件和挑战部件(challenging component)的示例框架的图。

图4是示出根据一些实现方式的使用具有第一特征集的第一训练数据集和具有不同的第二特征集的第二训练数据集来生成蛋白质序列的示例框架的图。

图5是示出根据一些实现方式的生成作为亲本抗体的变体的抗体序列的示例框架的图。

图6是示出根据一些实现方式的生成与指定抗原结合的抗体的氨基酸序列的示例框架的图。

图7是示出根据一些实现方式的生成多个蛋白质库并对蛋白质库进行组合以生成其他蛋白质的示例框架的图。

图8是示出根据一些实现方式的使用成对的抗体重链和轻链的氨基酸序列来生成抗体的氨基酸序列的其他示例框架的图。

图9是示出根据一些实现方式的实现使用迁移学习技术从抗体重链和轻链的氨基酸序列生成成对的抗体的氨基酸序列的框架的图。

图10是示出根据一些实现方式的用于抗体重链和轻链的氨基酸序列的连结的框架的图。

图11是示出根据一些实现方式的用于产生蛋白质序列的示例方法的流程图。

图12是示出根据一些实现方式的用于产生蛋白质序列的另一示例方法的流程图。

图13是示出根据一些实现方式的用于产生与指定靶分子结合的蛋白质的氨基酸序列的示例方法的流程图。

图14是示出根据一些实现方式的通过将抗体重链的氨基酸序列和轻链的氨基酸序列进行组合来产生抗体的氨基酸序列的示例方法的流程图。

图15是根据一些实现方式的在对抗体的氨基酸序列进行编码以输入到生成式对抗网络之前在结构上比对抗体的氨基酸序列的方案的示例。