← 返回列表
基于深度学习模型的抗体可开发性预测方法和装置
申请人信息
- 申请人:苏州创腾软件有限公司
- 申请人地址:215000 江苏省苏州市工业园区东长路88号A2栋301室
- 发明人: 苏州创腾软件有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于深度学习模型的抗体可开发性预测方法和装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410111232.8 |
| 申请日 | 2024/1/26 |
| 公告号 | CN117637029A |
| 公开日 | 2024/3/1 |
| IPC主分类号 | G16B30/10 |
| 权利人 | 苏州创腾软件有限公司 |
| 发明人 | 司马鹏 |
| 地址 | 江苏省苏州市工业园区东长路88号A2栋301室 |
摘要文本
本发明公开了一种基于深度学习模型的抗体可开发性预测方法和装置，所述方法包括：获取待预测抗体的序列文件，在所述序列文件中识别并提取CDR区和轻重链序列；将所述轻重链序列输入预先训练的预测模型，以得到所述预测模型输出的预测结果，所述预测结果至少包括所述待预测抗体的目标性质的预测数值及相应的分布图；其中，所述预测模型是基于预先构建的深度学习网络，利用抗体样本的序列文件进行训练得到的，所述深度学习网络的网络结构包括用于对所述待预测抗体的蛋白序列进行特征编码的嵌入编码层，以及用于对特征编码后的代表序列进行特征提取卷积神经网络。解决了现有技术中抗体可开发性评估计算量较大，评估效率较低的技术问题。 详见官网：
专利主权项内容
1.一种基于深度学习模型的抗体可开发性预测方法，其特征在于，所述方法包括：获取待预测抗体的序列文件；在所述序列文件中识别并提取CDR区和轻重链序列；将所述轻重链序列输入预先训练的预测模型，以得到所述预测模型输出的预测结果，所述预测结果至少包括所述待预测抗体的目标性质的预测数值及相应的分布图；其中，所述预测模型是基于预先构建的深度学习网络，利用抗体样本的序列文件进行训练得到的，所述深度学习网络的网络结构包括用于对所述待预测抗体的蛋白序列进行特征编码的嵌入编码层，以及用于对特征编码后的代表序列进行特征提取卷积神经网络。