CN112289369B - 一种基于深度学习的抗体库构建方法及装置 - Google Patents

一种基于深度学习的抗体库构建方法及装置 Download PDF

Info

Publication number
CN112289369B
CN112289369B CN202011477682.7A CN202011477682A CN112289369B CN 112289369 B CN112289369 B CN 112289369B CN 202011477682 A CN202011477682 A CN 202011477682A CN 112289369 B CN112289369 B CN 112289369B
Authority
CN
China
Prior art keywords
antibody
sequence
coding gene
module
neural network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011477682.7A
Other languages
English (en)
Other versions
CN112289369A (zh
Inventor
华权高
舒芹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cusabio Biotech Co ltd
Original Assignee
Cusabio Biotech Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Cusabio Biotech Co ltd filed Critical Cusabio Biotech Co ltd
Priority to CN202011477682.7A priority Critical patent/CN112289369B/zh
Publication of CN112289369A publication Critical patent/CN112289369A/zh
Application granted granted Critical
Publication of CN112289369B publication Critical patent/CN112289369B/zh
Priority to US17/353,879 priority patent/US20220189582A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B35/00—ICT specially adapted for in silico combinatorial libraries of nucleic acids, proteins or peptides
    • G16B35/10—Design of libraries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/20—Supervised data analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Biotechnology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Library & Information Science (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Bioethics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biochemistry (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Peptides Or Proteins (AREA)

Abstract

本发明涉及一种基于深度学习的抗体库构建方法及装置，其方法包括：获取抗原表位与抗原识别区及其编码基因的对应关系，构建匹配抗原表位和抗体识别区及编码基因的第一数据库；利用训练好的神经网络模型对所述抗原表位进行处理，以得到待预测抗体的编码基因序列集合X；根据分子对接、分子动力学和已有基因序列数据库Y筛选出编码基因序列集合X中对抗原具有不同活性、稳定性、特异性的抗体序列，以建立次级抗体库。本发明通过时序卷积神经网络对候选抗体基因进行预测，减少了模型的层数和计算量，提高了模型并行处理的能力；通过分子动力学对抗体基因进行进一步筛选，提高了模型的可解释性。

Description

一种基于深度学习的抗体库构建方法及装置
技术领域
本发明涉及生物信息和深度学习领域，尤其涉及一种基于深度学习的抗体库构建方法及装置。
背景技术
抗原表位，又称抗原决定簇或抗原决定基(antigenic determinant，AD)指抗原分子中决定抗原特异性的特殊化学基团。抗原通过抗原表位与相应的淋巴细胞表面的抗原受体结合，从而激活淋巴细胞，引起免疫应答;抗原也借表位与相应抗体或致敏淋巴细胞发生特异性结合而发挥免疫效应。
通过DNA重组技术克隆全套抗体可变区基因，并在原核系统表达有功能的抗体分子片段，这种全套抗体基因表达文库成为抗体库。
噬菌体是一种自然界中普遍存在的DNA单链病毒，长约7000bp。噬菌体基因组编码十一种蛋白，噬菌体展示技术选择P蛋白第一结构域和信号序列将外源的蛋白编码序列插入，经噬菌体的包装加工，在病毒颗粒表面表达外源蛋白。基于噬菌体M13的噬菌体展示文库可以利用噬菌粒或噬菌体载体系统编码抗体-外壳蛋白融合体，在pIII次要外壳蛋白上呈现出多种抗体片段。噬菌体抗体库技术是一种制备新型抗体的技术，发展自噬菌体展示技术。
Parmley等在1988年第一次阐述了噬菌体表面表达技术，抗体分子是第一个具备天然蛋白质功能且能够表达在噬菌体表面的蛋白质分子。由于噬菌体载体系统的发展完善，噬菌体抗体技术的研究与应用不断扩展，受到了广泛关注。随机在CDR区引入核苷酸序列，能够人工合成更加多样性的噬菌体抗体库；为了获得具有高亲和力的特异性抗体，在获得阳性克隆后，可以对特异性抗体基因的CDR区进行基因突变筛选。噬菌体展示技术的出现以及噬菌体抗体表达筛选系统的不断改进，实现了无需抗原免疫就可直接获得多种特异性抗体。
发明内容
本发明为减少传统抗体库构建过程中的繁琐的筛选、反复吸附、洗脱、扩增的问题，在本发明的第一方面提供了基于深度学习的抗体库构建方法，包括：获取抗原表位与抗原识别区及其编码基因的对应关系，构建匹配抗原表位和抗原识别区及编码基因的第一数据库；利用训练好的神经网络模型对所述抗原表位进行处理，以得到待预测抗体的编码基因序列集合X；根据分子对接、分子动力学和已有基因序列数据库Y筛选出编码基因序列集合X中对抗原具有不同活性、稳定性、特异性的抗体序列，以建立次级抗体库。
在本发明的一个可能的实施方式中，所述训练好的神经网络模型通过如下方法进行训练：将所述第一数据库依次按照抗原分类、抗原表位中的氨基酸残基的同源性、抗原识别区位置进行聚类、特征提取，得到用于预测抗体基因的多维向量；将所述多维向量作为时序卷积神经网络的输入，直至误差低于阈值且趋于稳定时停止训练，得到所述训练好的神经网络模型。
进一步的，所述时序卷积神经网络包括至少两个卷积隐藏层，至少一个卷积隐藏层的输出由设定个数的最新的标签数据确定，至少一个残差模块，以及一个卷积隐藏层的输出由全部标签数据确定。
更进一步的，所述残差模块利用Zero-padding方法保证输入和输出数据的维度一致。
在本发明的一个可能的实施方式中，所述根据分子对接、分子动力学和已有基因序列数据库Y筛选出编码基因序列集合X中对抗原具有不同活性、稳定性、特异性的抗体序列，以建立次级抗体库包括如下步骤：
将编码基因序列集合X与已有基因序列库Y进行匹配，计算编码基因序列x i 与已有基因序列y i 的相似度S i ,并将y i 按照相似度从大到小进行排列；
取相似度前10的基因序列作为候选抗体序列集合，根据所述候选抗体序列集合的表达产物的活性、稳定性、特异性建立次级抗体库。
进一步的，若候选抗体序列的相似度S i 的最大值低于阈值，则将候选抗体序列的表达产物在模拟环境中与抗体进行分子动力学模拟或分子对接，通过评分函数评估表达产物的活性、稳定性、特异性建立次级抗体库。
在本发明的第二方面，提供了一种基于深度学习的抗体库构建装置，包括构建模块、模型训练模块、筛选模块，所述构建模块，用于获取抗原表位与抗原识别区及其编码基因的对应关系，构建匹配抗原表位和抗原识别区及编码基因的第一数据库；所述模型训练模块，用于利用训练好的神经网络模型对所述抗原表位进行处理，以得到待预测抗体的编码基因序列集合X；所述筛选模块，用于根据分子对接、分子动力学和已有基因序列数据库Y筛选出编码基因序列集合X中对抗原具有不同活性、稳定性、特异性的抗体序列，以建立次级抗体库。
进一步的，所述筛选模块包括计算模块，第一筛选模块、第二筛选模块，
所述计算模块，用于将编码基因序列集合X与已有基因序列库Y进行匹配，计算编码基因序列x i 与已有基因序列y i 的相似度S i ；所述第一筛选模块，用于将y i 按照相似度从大到小进行排列；取相似度前10的基因序列作为候选抗体序列集合，根据所述候选抗体序列集合的表达产物的活性、稳定性、特异性建立次级抗体库；所述第二筛选模块，用于将候选抗体序列的表达产物在模拟环境中与抗体进行分子动力学模拟或分子对接，通过评分函数评估表达产物的活性、稳定性、特异性建立次级抗体库。
在本发明的第三方面，提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明第一方面所述的方法。
在本发明的第四方面，一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本发明第一方面所述的方法。
有益效果：
1.通过时序卷积神经网络对候选抗体基因进行初步筛选，一方面减少了常规的基因工程中的筛选、反复吸附、洗脱、扩增的过程，另一方面减少了神经网络模型的层数和计算量，提高了神经网络模型并行处理的能力；通过分子动力学或分子对接方法对抗体基因进行进一步筛选，提高了模型的可解释性、准确性；
2.时域卷积网络由于支持可变的输入长度，适应了基因序列的数据属性，使得模型相较于现有用于抗体库构建的神经网络模型具有更好的泛化能力。
附图说明
图1为本发明的一些实施例中的基于深度学习的抗体库构建方法基本流程图；
图2为本发明的一些实施例中的时序卷积神经网络模型的结构示意图；
图3为本发明的一些实施例中的基于深度学习的抗体库构建装置的基本结构图；
图4为本发明的一些实施例中的筛选模块的结构示意图；
图5为本发明的电子设备的基本结构图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
参考图1，在本发明的第一方面提供了基于深度学习的抗体库构建方法，包括：获取抗原表位与抗原识别区及其编码基因的对应关系，构建匹配抗原表位和抗原识别区及编码基因的第一数据库；利用训练好的神经网络模型对所述抗原表位进行处理，以得到待预测抗体的编码基因序列集合X；根据分子对接、分子动力学和已有基因序列数据库Y筛选出编码基因序列集合X中对抗原具有不同活性、稳定性、特异性的抗体序列，以建立次级抗体库。然后将次级抗体库通过常规基因工程，得到具备不同活性、稳定性、特异性的抗体库。
示例性地，当抗原表位为氨基酸残基时，则对应的抗体表位编码参考表1：
表1 氨基酸编码对照表
Figure DEST_PATH_IMAGE001
在本发明的一个可能的实施方式中，所述训练好的神经网络模型通过如下方法进行训练：将所述第一数据库依次按照抗原分类、抗原表位中的氨基酸残基的同源性、抗原识别区位置进行聚类、特征提取，得到用于预测抗体基因的多维向量；将所述多维向量作为时序卷积神经网络的输入，直至误差低于阈值且趋于稳定时停止训练，得到所述训练好的神经网络模型。
示意性地，抗原表位及对应识别区的分类参考下表（表2）：
表2 抗原表位分类及常规性质
Figure 113105DEST_PATH_IMAGE002
参考图2，所述时序卷积神经网络（TCN，Temporal Convolutional Network，又称时域卷积神经网络）包括至少两个卷积隐藏层，至少一个卷积隐藏层的输出由设定个数的最新的标签数据确定，至少一个残差模块，以及一个卷积隐藏层的输出由全部标签数据确定。上述标签数据是指经过标注后的预测抗体基因的多维向量。图中的x i、 y i 仅表示输入数据、输出数据，dilation表示膨胀系数。
具体地，残差模块利用了Zero-padding方法保证输入和输出数据的维度一致。对于单个残差模块而言，它所接受的输入内容是前一个模块的输出(第一个模块接受源数据输入)，这一项数据会被用于两处：一处是被用于计算残差块结果，另一处是经过一维卷积来与残差块结果加和作为本模块的输出。计算残差的部分首先经过空洞因果卷积(DilatedCasualConv)计算，计算输入数据中所包含的历史信息，在本发明中即为前序标签信息，而后将历史信息数据经过权值正则化(WeightNorm)、非线性转化(ReLU)过程，将结果控制在一个合理的范围内，最后经过随机失活层(Dropout)，将部分结果随机归零，降低模块之间的互相依赖性。经过一维卷积层(1×1Conv)的部分则提取出与时间相关的兴趣点数据，与残差块计算的历史信息作残差连接(+)，得到修正数据作为当前模块的输出。如此，经过多个残差模块堆叠修正，输出数据TCN就包含了需要的时间兴趣点概率信息，用于后续计算。可以理解，上述时域卷积神经网络中的标签数据是指经过标注后的预测抗体基因的多维向量。
在本发明的一个可能的实施方式中，所述根据分子对接、分子动力学和已有基因序列数据库Y筛选出编码基因序列集合X中对抗原具有不同活性、稳定性、特异性的抗体序列，以建立次级抗体库包括如下步骤：
将编码基因序列集合X与已有基因序列库Y进行匹配，计算编码基因序列x i 与已有基因序列y i 的相似度S i ,并将y i 按照相似度从大到小进行排列；
取相似度前10的基因序列作为候选抗体序列集合，根据所述候选抗体序列集合的表达产物的活性、稳定性、特异性建立次级抗体库。
进一步的，若候选抗体序列的相似度S i 的最大值低于阈值，则将候选抗体序列的表达产物在模拟环境中与抗体进行分子动力学模拟或分子对接，通过评分函数评估表达产物的活性、稳定性、特异性建立次级抗体库。
需要说明的是，在上述相似度的计算中，可采用马氏距离，欧氏距离等距离公式来度量；通常，编辑距离度量包括了不同的编辑操作。例如Damerau–莱文斯坦距离（Damerau–Levenshtein distance）允许插入、删除、替换和交换两个相邻字符；最长公共子序列（longest common subsequence）只允许插入和删除操作；汉明距离（Hamming distance）只允许替换操作，因此只适用于两个相等长度的字符串。优选的，本发明采用Damerau–莱文斯坦距离。
示例性地，分子对接具体步骤包括通过PDB(protein data bank，一种蛋白质的三维结构信息的文件格式)数据库得到表达产物的蛋白质的结构。目前，PDB数据库中有三种不同来源的晶体结构，分别为酵母来源、人源、鼠源。为进行共价分子对接时，我们需要对受体蛋白文件中添加极性氢原子、电荷，并根据蛋白表面的疏水区域选择合适的对接区域，上述步骤完成后，再将该结构保存成为pdbqt格式的文件，并生成受体的各类坐标文件以及map文件。对于小分子配体，将得到的结构用ChemDraw软件将其转化3D结构，并通过Racoon软件对配体分子进行预处理，得到分子对接所需的pdbqt文件。然后利用对接工具的打分函数对所述抗体分子结构，采用了AutoDock（一款分子对接模拟软件）软件的半经验自由能计算方法，使其对接精度高于AutoDock软件的拉马克遗传算法。
示例性地，以抗体序列的表达产物为蛋白质为前提，分子动力学模拟具体步骤包括：
（1）采用Amber99sb Force Field (Hornak et al., Proteins 65, 712-725,2006)对蛋白质施加力场；
（2）通过UCSF Chimera 软件对小分子化合物进行预处理（添加氢原子和电荷），力场参数文件则由GAFF（general AMBER force field)力场和ANTECHAMBER中的acpype来生成；
（3）随后将复合结构放入盒子中，盒子为显含水的并具有边界性的八面体，为了使整个系统呈电中性向其中添加适量的钠离子以及氯离子以达到平衡，盒子的边界距离各溶质分子的最小距离为10Å；
（4）为了使动力学模拟达到最佳状态并减少体系中溶质和溶剂中的不良接触，需要对体系的能量进行最小化；
（5）对体系进行温度（nvt）平衡和压强（npt）平衡，使系统温度从0K升温到300K后进行分子动力学平衡，随后对系统进行常压为1atm、温度为300K的恒温恒压的动力学平衡；
（6）进行分子动力学模拟，对非成键的范德华相互作用及静电相互作用的截断值设为10Å，采用LINCS算法对含氢原子键的伸缩进行限制，采用Particle-MeshEwald（PME）方法计算长程静电相互作用。
上述复合体系间的结合能计算采用分子力学/泊松-玻尔兹曼表面积法（MM/PBSA），该方法采用的公式如下：∆G_binding=∆E_MM+∆G_solv-T∆S_MM，∆E_MM=∆E_int+∆E_vdW+∆E_ele，∆G_solv=∆G_PB+∆G_SA。
参考图3，在本发明的第二方面，提供了一种基于深度学习的抗体库构建装置1，包括构建模块11、模型训练模块12、筛选模块13，所述构建模11块，用于获取抗原表位与抗原识别区及其编码基因的对应关系，构建匹配抗原表位和抗原识别区及编码基因的第一数据库；所述模型训练模块12，用于利用训练好的神经网络模型对所述抗原表位进行处理，以得到待预测抗体的编码基因序列集合X；所述筛选模块13，用于根据分子对接、分子动力学和已有基因序列数据库Y筛选出编码基因序列集合X中对抗原具有不同活性、稳定性、特异性的抗体序列，以建立次级抗体库。
进一步的，所述筛选模块13包括计算模块131，第一筛选模块132、第二筛选模块133，所述计算模块131，用于将编码基因序列集合X与已有基因序列库Y进行匹配，计算编码基因序列x i 与已有基因序列y i 的相似度S i ；所述第一筛选模块132，用于将y i 按照相似度从大到小进行排列；取相似度前10的基因序列作为候选抗体序列集合，根据所述候选抗体序列集合的表达产物的活性、稳定性、特异性建立次级抗体库；所述第二筛选模块133，用于将候选抗体序列的表达产物在模拟环境中与抗体进行分子动力学模拟或分子对接，通过评分函数评估表达产物的活性、稳定性、特异性建立次级抗体库。
参考图5，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于深度学习的抗体库构建方法，其特征在于，包括如下步骤：
获取抗原表位与抗原识别区及其编码基因的对应关系，构建匹配抗原表位和抗原识别区及编码基因的第一数据库；
利用训练好的神经网络模型对所述抗原表位进行处理，以得到待预测抗体的编码基因序列集合X；所述训练好的神经网络模型通过如下方法进行训练：将所述第一数据库依次按照抗原分类、抗原表位中的氨基酸残基的同源性、抗原识别区位置进行聚类、特征提取，得到用于预测抗体基因的多维向量；将所述多维向量作为时序卷积神经网络的输入，直至误差低于阈值且趋于稳定时停止训练，得到所述训练好的神经网络模型；
根据分子对接、分子动力学和已有基因序列数据库Y筛选出编码基因序列集合X中对抗原具有不同活性、稳定性、特异性的抗体序列，以建立次级抗体库。
2.根据权利要求1所述的基于深度学习的抗体库构建方法，其特征在于，所述时序卷积神经网络包括至少两个卷积隐藏层，至少一个卷积隐藏层的输出由设定个数的最新的标签数据确定，至少一个残差模块，以及一个卷积隐藏层的输出由全部标签数据确定。
3.根据权利要求2所述的基于深度学习的抗体库构建方法，其特征在于，所述残差模块利用Zero-padding方法保证输入和输出数据的维度一致。
4.根据权利要求1所述的基于深度学习的抗体库构建方法，其特征在于，所述根据分子对接、分子动力学和已有基因序列数据库Y筛选出编码基因序列集合X中对抗原具有不同活性、稳定性、特异性的抗体序列，以建立次级抗体库包括如下步骤：
将编码基因序列集合X与已有基因序列库Y进行匹配，计算编码基因序列x i 与已有基因序列y i 的相似度S i ,并将y i 按照相似度从大到小进行排列；
取相似度前10的基因序列作为候选抗体序列集合，根据所述候选抗体序列集合的表达产物的活性、稳定性、特异性建立次级抗体库。
5.根据权利要求4所述的基于深度学习的抗体库构建方法，其特征在于，若候选抗体序列的相似度S i 的最大值低于阈值，则将候选抗体序列的表达产物在模拟环境中与抗体进行分子动力学模拟或分子对接，通过评分函数评估表达产物的活性、稳定性、特异性建立次级抗体库。
6.一种基于深度学习的抗体库构建装置，其特征在于，包括构建模块、模型训练模块、筛选模块，
所述构建模块，用于获取抗原表位与抗原识别区及其编码基因的对应关系，构建匹配抗原表位和抗原识别区及编码基因的第一数据库；
所述模型训练模块，用于利用训练好的神经网络模型对所述抗原表位进行处理，以得到待预测抗体的编码基因序列集合X；所述训练好的神经网络模型通过如下方法进行训练：将所述第一数据库依次按照抗原分类、抗原表位中的氨基酸残基的同源性、抗原识别区位置进行聚类、特征提取，得到用于预测抗体基因的多维向量；将所述多维向量作为时序卷积神经网络的输入，直至误差低于阈值且趋于稳定时停止训练，得到所述训练好的神经网络模型；
所述筛选模块，用于根据分子对接、分子动力学和已有基因序列数据库Y筛选出编码基因序列集合X中对抗原具有不同活性、稳定性、特异性的抗体序列，以建立次级抗体库。
7.根据权利要求6所述的基于深度学习的抗体库构建装置，其特征在于，所述筛选模块包括计算模块，第一筛选模块、第二筛选模块，
所述计算模块，用于将编码基因序列集合X与已有基因序列库Y进行匹配，计算编码基因序列x i与已有基因序列y i 的相似度S i ；
所述第一筛选模块，用于将y i 按照相似度从大到小进行排列；取相似度前10的基因序列作为候选抗体序列集合，根据所述候选抗体序列集合的表达产物的活性、稳定性、特异性建立次级抗体库；
所述第二筛选模块，用于将候选抗体序列的表达产物在模拟环境中与抗体进行分子动力学模拟或分子对接，通过评分函数评估表达产物的活性、稳定性、特异性建立次级抗体库。
8.一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
9.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN202011477682.7A 2020-12-15 2020-12-15 一种基于深度学习的抗体库构建方法及装置 Active CN112289369B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011477682.7A CN112289369B (zh) 2020-12-15 2020-12-15 一种基于深度学习的抗体库构建方法及装置
US17/353,879 US20220189582A1 (en) 2020-12-15 2021-06-22 Antibody library construction method and device based on deep learning

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011477682.7A CN112289369B (zh) 2020-12-15 2020-12-15 一种基于深度学习的抗体库构建方法及装置

Publications (2)

Publication Number Publication Date
CN112289369A CN112289369A (zh) 2021-01-29
CN112289369B true CN112289369B (zh) 2021-04-02

Family

ID=74426251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011477682.7A Active CN112289369B (zh) 2020-12-15 2020-12-15 一种基于深度学习的抗体库构建方法及装置

Country Status (2)

Country Link
US (1) US20220189582A1 (zh)
CN (1) CN112289369B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110318100B (zh) * 2019-06-04 2023-07-11 四川世纪长青干细胞生物科技发展有限公司 构建匹配抗原表位和抗体识别区及编码基因数据库的方法以及数据库、存储介质和电子设备
WO2022178961A1 (zh) * 2021-02-23 2022-09-01 北京亿药科技有限公司 一种基于神经网络和连接图算法的化合物功能预测方法
CN113299345B (zh) * 2021-06-30 2024-05-07 中国人民解放军军事科学院军事医学研究院 病毒基因分类的方法、装置及电子设备
WO2023027280A1 (ko) * 2021-08-27 2023-03-02 디어젠 주식회사 항원 결정기 후보 도출 방법
CN113838523A (zh) * 2021-09-17 2021-12-24 深圳太力生物技术有限责任公司 一种抗体蛋白cdr区域氨基酸序列预测方法及系统
CN113838541B (zh) * 2021-09-29 2023-10-10 脸萌有限公司 设计配体分子的方法和装置
CN116543829A (zh) * 2023-06-01 2023-08-04 粤港澳大湾区数字经济研究院(福田) 一种蛋白质生成的方法及相关设备
CN117116363B (zh) * 2023-10-20 2024-07-16 江苏普若维生物技术有限责任公司 一种抗体数据库的构建方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102618940A (zh) * 2011-01-31 2012-08-01 艾比玛特生物医药（上海）有限公司 抗体制备方法及所得抗体和抗体库
CN104379602A (zh) * 2012-03-08 2015-02-25 哈洛齐梅公司 具有条件活性的抗表皮生长因子受体抗体及其使用方法
WO2018204764A1 (en) * 2017-05-05 2018-11-08 Camp4 Therapeutics Corporation Identification and targeted modulation of gene signaling networks
CN110318100A (zh) * 2019-06-04 2019-10-11 四川常青树生物科技有限公司 构建匹配抗原表位和抗体识别区及编码基因数据库的方法以及数据库、存储介质和电子设备
CN111445962A (zh) * 2020-03-27 2020-07-24 上海祥耀生物科技有限责任公司 抗体库的构建方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10240205B2 (en) * 2017-02-03 2019-03-26 Population Bio, Inc. Methods for assessing risk of developing a viral disease using a genetic test

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102618940A (zh) * 2011-01-31 2012-08-01 艾比玛特生物医药（上海）有限公司 抗体制备方法及所得抗体和抗体库
CN104379602A (zh) * 2012-03-08 2015-02-25 哈洛齐梅公司 具有条件活性的抗表皮生长因子受体抗体及其使用方法
WO2018204764A1 (en) * 2017-05-05 2018-11-08 Camp4 Therapeutics Corporation Identification and targeted modulation of gene signaling networks
CN110318100A (zh) * 2019-06-04 2019-10-11 四川常青树生物科技有限公司 构建匹配抗原表位和抗体识别区及编码基因数据库的方法以及数据库、存储介质和电子设备
CN111445962A (zh) * 2020-03-27 2020-07-24 上海祥耀生物科技有限责任公司 抗体库的构建方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Review of Deep Learning Methods for Antibodies;Jordan Graves.et.;《Antibodies》;20200428;第9卷(第2期);第1-22页 *
卵巢癌患者的PBMC差异表达基因筛选及卵巢癌单链抗体库的构建;霍茜瑜;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20180315(第3期);第E072-616页 *

Also Published As

Publication number Publication date
CN112289369A (zh) 2021-01-29
US20220189582A1 (en) 2022-06-16

Similar Documents

Publication Publication Date Title
CN112289369B (zh) 一种基于深度学习的抗体库构建方法及装置
Zhang et al. A survey on graph diffusion models: Generative ai in science for molecule, protein and material
KR20230164757A (ko) Mhc 펩티드 결합 예측을 위한 gan-cnn
US20050278124A1 (en) Methods for molecular property modeling using virtual data
Jumper et al. Accurate calculation of side chain packing and free energy with applications to protein molecular dynamics
Li et al. Capsule-LPI: a LncRNA–protein interaction predicting tool based on a capsule network
You et al. An efficient ensemble learning approach for predicting protein-protein interactions by integrating protein primary sequence and evolutionary information
CN112289370B (zh) 一种蛋白质结构预测方法及装置
Liu et al. DeepSeqPanII: an interpretable recurrent neural network model with attention mechanism for peptide-HLA class II binding prediction
Zhang et al. A systematic survey in geometric deep learning for structure-based drug design
US20230420070A1 (en) Protein Structure Prediction
CN117321692A (zh) 用于从分子图生成任务相关的结构嵌入的方法和系统
CN117497058A (zh) 基于图神经网络的抗体抗原中和作用预测方法及装置
US20230290434A1 (en) Regularized deep learning based improvement of biomolecules
Xiao et al. In silico design of MHC class I high binding affinity peptides through motifs activation map
Son et al. GNN-based antibody structure prediction using quaternion and euler angle combined representation
JP7057003B1 (ja) 予測装置、学習済みモデルの生成装置、予測方法、学習済みモデルの生成方法、予測プログラム、及び学習済みモデルの生成プログラム
CN114530195A (zh) 一种基于深度学习的蛋白质模型质量评估方法
CN115527626A (zh) 分子处理方法、装置、电子设备、存储介质及程序产品
KR20230068754A (ko) 기계 학습을 위한 분자 구조 샘플링 방법 및 장치
CN116325002A (zh) 使用辅助折叠网络预测蛋白质结构
Zhu et al. E2EDA: Protein domain assembly based on end-to-end deep learning
Medina-Ortiz et al. Exploring machine learning algorithms and numerical representations strategies to develop sequence-based predictive models for protein networks
KR102650868B1 (ko) 스코어링 함수의 학습 방법 및 이를 이용한 단백질-리간드 도킹 예측 장치
CN115631786B (zh) 一种虚拟筛选方法、装置和执行设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant