-
公开(公告)号:CN117037897B
公开(公告)日:2024-06-14
申请号:CN202310878264.6
申请日:2023-07-18
Applicant: 哈尔滨工业大学
IPC: G16B15/30 , G16B40/00 , G06F40/242 , G06F40/284 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明提出一种基于蛋白质结构域特征嵌入的肽与MHCI类蛋白亲和力预测方法。该基于蛋白质结构域特征嵌入的肽与MHCI类蛋白亲和力预测方法利用多头注意力学习肽键与氨基酸残基特征,进行肽与MHCI类蛋白亲和力预测,本发明提出的预测方法与现有其他方法相比较,预测结果准确,满足实际需求。
-
公开(公告)号:CN117037897A
公开(公告)日:2023-11-10
申请号:CN202310878264.6
申请日:2023-07-18
Applicant: 哈尔滨工业大学
IPC: G16B15/30 , G16B40/00 , G06F40/242 , G06F40/284 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明提出一种基于蛋白质结构域特征嵌入的肽与MHCI类蛋白亲和力预测方法。该基于蛋白质结构域特征嵌入的肽与MHCI类蛋白亲和力预测方法利用多头注意力学习肽键与氨基酸残基特征,进行肽与MHCI类蛋白亲和力预测,本发明提出的预测方法与现有其他方法相比较,预测结果准确,满足实际需求。
-
公开(公告)号:CN119920319A
公开(公告)日:2025-05-02
申请号:CN202411867092.3
申请日:2024-12-18
Applicant: 哈尔滨工业大学
IPC: G16B40/00 , G06N3/0464 , G06N3/096 , G06N3/045
Abstract: 基于多层次知识蒸馏的T细胞受体‑表位结合特异性预测方法,它涉及一种T细胞受体‑表位结合特异性预测方法。本发明为了解决现有深度学习模型在泛化到未见表位时表现不佳的问题。本发明利用卷积神经网络构建特征提取模块,并通过双线性注意力机制探索TCR与表位之间的交互模式。接着,进行内部多特征知识蒸馏和领域间知识蒸馏,分别从多个教师模型中提取知识,增强学生模型的预测能力;将训练集中的TCR‑表位对输入到上述模型,对该模型进行训练;经过多次迭代后,得到最终的预测模型;将测试集中的TCR‑表位对输入到最终的预测模型中,得到预测结果,并进行结果分析。本发明属于生物信息技术领域。
-
-