“费才溢”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种鸭坦布苏病毒核酸疫苗及应用-CN202311177182.5在审
发明人：韩悌云;徐实;李静;费才溢 -专利权人：南京澄实生物医药科技有限公司
申请日： 2023-09-13 - 公布日： 2023-10-20 - 主分类号： C12N15/62 文献下载
摘要：本发明涉及鸭坦布苏病毒核酸疫苗及应用。基于密码子简并性并对序列进行优化，将信号肽和鸭坦布苏病毒的prM和E蛋白的编码序列进行融合，构建获得鸭坦布苏病毒的mRNA疫苗。本发明的mRNA疫苗具有诱导鸭产生中和抗体的效果，从而可以用较少的疫苗剂量达到保护效果。能够在DTMUV强毒株的攻毒下表现出优秀的保护作用，且保护成功的个体不存在细胞持续排毒的情况。基于本发明的核酸疫苗有利于减少接种剂量，进而减少脂质体递送所产生的细胞毒性，在保证免疫效果的同时降低了疫苗的毒副作用。本发明可作为核酸疫苗的通用抗原架构，具有强免疫原性，在动物体内有效且高水平的分泌，从而诱导产生更高水平的针对DTMUV的特异性中和抗体，能够实现理想的免疫效果。
一种鸭坦布苏病毒核酸疫苗应用

[发明专利]一种广谱抗牛科病毒性腹泻病毒的mRNA疫苗及其应用-CN202310541256.2有效
发明人：韩悌云;徐实;费才溢 -专利权人：南京澄实生物医药科技有限公司
申请日： 2023-05-15 - 公布日： 2023-08-25 - 主分类号： C07K14/18 文献下载
摘要：本发明涉及一种广谱抗牛科病毒性腹泻病毒（BVDV）的mRNA疫苗、制备方法及其应用等。具体提供一种针对多种基因型BVDV毒株的三价BVDV mRNA，从N端到C端依次包含牛IgG1分泌信号肽、牛IgG1 Fc片段、BVDV1a E2蛋白结构域I‑II、BVDV1b E2蛋白结构域I‑II、BVDV2 E2蛋白结构域I‑II。本发明通过使用一条mRNA能够同时表达不同基因型BVDV的抗原，具有强免疫原性，在动物体内有效且高水平的分泌，从而诱导产生针对BVDV1a、BVDV 1b和BVDV 2的更高水平的特异性中和抗体，能够针对多种BVDV基因型毒株实现理想的免疫效果。
一种广谱抗牛科病毒性腹泻病毒 mrna 疫苗及其应用

[发明专利]基于多模态深度编码的抗原免疫原性预测方法和系统-CN202111204465.5有效
发明人： 费才溢;徐实 -专利权人：南京澄实生物科技有限公司
申请日： 2021-10-15 - 公布日： 2023-05-30 - 主分类号： G16B15/30 文献下载
摘要：本发明公开了一种基于多模态深度编码的抗原免疫原性预测方法和系统，包括：1)包含较全面HLA等位基因个数；2)可变长肽段编码方式，涵盖主要HLA‑I结合肽段长度；3)考虑抗原受体谱系对肽段免疫原性的影响；4)包含肽段和MHC序列的物理和氨基酸组成特征；5)多模态特征融合得到预测分数并进行预测。不同于以往的仅基于生物实验或较单一化的数据模态的预测模型，本系统方案能高效地融合多模态信息，进行更加准确高效的预测。基于真实数据结果表面，其TOP‑10结果具有较高水平的PPV值，能够更好的应用在真实的药物研发生产环境。
基于多模态深度编码抗原免疫原性预测方法系统

[发明专利]基于多模态深度编码的HLA抗原呈递预测方法和系统-CN202111205908.2有效
发明人：方榯楷;费才溢;徐实 -专利权人：南京澄实生物科技有限公司
申请日： 2021-10-15 - 公布日： 2022-05-27 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多模态深度编码的HLA抗原呈递预测方法，包括：1)采用多种不同的深度神经网络来编码已知序列信息2)引入已有的文献与计算工具计算亲和力指数3)多模态特征融合得到预测分数并进行预测。不同于以往的仅基于生物实验或亲和力指数预测的方法，本系统方案能高效地融合多模态信息，进行更加准确高效的预测。且在处理不同方法负样本，处理数据不平衡的模块上有灵活的拓展性，能够更好适应真实的药物研发生产环境。
基于多模态深度编码 hla 抗原呈递预测方法系统

[发明专利]基于深度迁移的对HLA抗原呈递预测系统的增强方法-CN202111204491.8有效
发明人：方榯楷;费才溢;徐实 -专利权人：南京澄实生物科技有限公司
申请日： 2021-10-15 - 公布日： 2022-05-27 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种基于深度迁移的对HLA抗原呈递预测系统的增强方法，包括：1)使用全局最大差异打分矩阵生成不同比例的负样本训练集：正负样本均衡的源域数据集，正负样本失衡的目标数据集2)采用多种不同的深度神经网络来编码已知序列信息、多模态特征融合等手段，在正负样本比均衡的源域数据上得到预训练模型3)通过深度迁移方法，将预训练模型迁移至正负样本比极端失衡的目标数据集4)提出创新的“严格准确率(strict PPV)”指标。同于以往其他基于单一数据集与单一人工智能模型的MHC预测方法，本发明能高效地融合多模态信息，快速部署迁移到不用的数据集上，节省了在新环境与数据上重新训练模型的算力与时间成本。
基于深度迁移 hla 抗原呈递预测系统增强方法