【技术实现步骤摘要】
本公开涉及数据处理领域，尤其涉及自然语言处理和深度学习等人工智能领域，应用于抗体筛选领域。
技术介绍
1、随着技术的发展，大分子的抗体药物的大规模筛选在药物设计领域中愈加重要，可选地，可以通过高通量的湿实验技术进行大规模的抗体药物筛选，成本较高且精度欠佳。
2、相关技术中，还可以通过抗原抗体之间的亲和力预测，实现大分子的抗体药物的大规模筛选，在该场景下，可以通过对于少量数据的学习所得到的能量模型，在进行抗原抗体复合物的稳定性的评估，并以此对抗原抗体之间的亲和力进行预测判断，泛化性欠佳。
技术实现思路
1、本公开提出了一种抗原抗体亲和力预测模型的训练方法和抗体筛选方法。
2、根据本公开的第一方面，提出了一种抗原抗体亲和力预测模型的训练方法，方法包括：获取训练好的目标复合物三维特征图提取模型，和所述目标复合物三维特征图提取模型的第一模型参数集合；获取初始亲和力预测模型的初始特征图提取层，并基于所述第一模型参数集合对所述初始特征图提取层的进行参数赋值，得到待训练的候选亲和力预测模型；获取所述候选亲和力预测模型的第一训练样本，其中，所述第一训练样本包括第一复合物样本和所述第一复合物样本的突变型复合物样本集合；将所述第一复合物样本和突变型复合物样本集合输入所述候选亲和力预测模型进行模型训练，直至训练结束，得到训练好的目标亲和力预测模型。
3、根据本公开的第二方面，提出了一种抗体筛选方法，方法包括：获取训练好的目标亲和力预测模型，其中，所述目标亲和力预测模型
4、根据本公开的第三方面，提出了一种抗原抗体亲和力预测模型的训练装置，装置包括：第一获取模块，用于获取训练好的目标复合物三维特征图提取模型，和所述目标复合物三维特征图提取模型的第一模型参数集合；赋值模块，用于获取初始亲和力预测模型的初始特征图提取层，并基于所述第一模型参数集合对所述初始特征图提取层的进行参数赋值，得到待训练的候选亲和力预测模型；第二获取模块，用于获取所述候选亲和力预测模型的第一训练样本，其中，所述第一训练样本包括第一复合物样本和所述第一复合物样本的突变型复合物样本集合；训练模块，用于将所述第一复合物样本和突变型复合物样本集合输入所述候选亲和力预测模型进行模型训练，直至训练结束，得到训练好的目标亲和力预测模型。
5、根据本公开的第四方面，提出了一种抗体筛选装置，装置包括：第三获取模块，用于获取训练好的目标亲和力预测模型，其中，所述目标亲和力预测模型基于上述第三方面提出的抗原抗体亲和力预测模型的训练装置得到；第四获取模块，用于获取目标抗原的野生型抗原抗体复合物和所述野生型抗原抗体复合物对应的候选突变型抗原抗体复合物集合；预测模块，用于将所述野生型抗原抗体复合物和所述候选突变型抗原抗体复合物集合输入所述目标亲和力预测模型，通过所述目标亲和力预测模型得到所述候选突变型抗原抗体复合物集合中的各候选突变型抗原抗体复合物基于所述野生型抗原抗体复合物的候选抗原抗体亲和力变化参数；筛选模块，用于根据所述候选抗原抗体亲和力变化参数，从所述候选突变型抗原抗体复合物集合中筛选出目标突变型抗原抗体复合物，以得到所述目标抗原的目标抗体。
6、根据本公开的第五方面，提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面提出的抗原抗体亲和力预测模型的训练方法和/或上述第二方面提出的抗体筛选方法。
7、根据本公开的第六方面，提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述第一方面提出的抗原抗体亲和力预测模型的训练方法和/或上述第二方面提出的抗体筛选方法。
8、根据本公开的第七方面，提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述第一方面提出的抗原抗体亲和力预测模型的训练方法和/或上述第二方面提出的抗体筛选方法。
9、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种抗原抗体亲和力预测模型的训练方法，其中，所述方法包括：
2.根据权利要求1所述的方法，其中，所述获取训练好的目标复合物三维特征图提取模型，包括：
3.根据权利要求2所述方法，其中，所述第二复合物样本为样本抗原抗体复合物中样本抗原和样本抗体的结合面区域的部分复合物。
4.根据权利要求2所述的方法，其中，所述获取预设置的原子特征掩盖比例，并基于所述原子特征掩盖比例对所述第一原子集合进行部分第一原子的原子特征掩盖，得到掩盖后的第三复合物样本，包括：
5.根据权利要求2所述的方法，其中，所述基于所述第三复合物样本对所述候选复合物三维特征图提取模型进行模型训练，直至训练结束，得到训练好的所述目标复合物三维特征图提取模型，包括：
6.根据权利要求5所述的方法，其中，所述基于所述第五原子集合中各第五原子的第三原子信息，得到所述第三复合物样本的第一三维特征图，包括：
7.根据权利要求6所述的方法，其中，所述针对任一第五原子，基于各第五原子的第三原子信息中包括的第二原子坐标，获取所述第五原子在所述第五原子集合中相邻的第
8.根据权利要求1所述的方法，其中，所述获取初始亲和力预测模型的初始特征图提取层，并基于所述第一模型参数集合对所述初始特征图提取层的进行参数赋值，得到待训练的候选亲和力预测模型，包括：
9.根据权利要求1所述的方法，其中，所述将所述第一复合物样本和突变型复合物样本集合输入所述候选亲和力预测模型进行模型训练，直至训练结束，得到训练好的目标亲和力预测模型，包括：
10.根据权利要求9所述的方法，其中，所述针对任一突变型复合物样本，通过所述候选亲和力预测模型，获取所述突变型复合物样本基于所述第一复合物样本的第一抗原抗体亲和力变化参数，包括：
11.根据权利要求10所述的方法，其中，所述针对任一突变型复合物样本，通过所述候选亲和力预测模型的候选三维特征图提取层，提取所述第一复合物样本的第二三维特征图，以及所述突变型复合物样本的第三三维特征图，包括：
12.一种抗体筛选方法，其中，所述方法包括：
13.根据权利要求12所述的方法，其中，所述获取目标抗原的野生型抗原抗体复合物和所述野生型抗原抗体复合物对应的候选突变型抗原抗体复合物集合，包括：
14.根据权利要求12所述的方法，其中，所述根据所述候选抗原抗体亲和力变化参数，从所述候选突变型抗原抗体复合物集合中筛选出目标突变型抗原抗体复合物，以得到所述目标抗原的目标抗体，包括：
15.一种抗原抗体亲和力预测模型的训练装置，其中，所述装置包括：
16.根据权利要求15所述的装置，其中，所述第一获取模块，还用于：
17.根据权利要求16所述的装置，其中，所述第二复合物样本为样本抗原抗体复合物中样本抗原和样本抗体的结合面区域的部分复合物。
18.根据权利要求16所述的装置，其中，所述第一获取模块，还用于：
19.根据权利要求16所述的装置，其中，所述第一获取模块，还用于：
20.根据权利要求19所述的装置，其中，所述第一获取模块，还用于：
21.根据权利要求20所述的装置，其中，所述第一获取模块，还用于：
22.根据权利要求15所述的装置，其中，所述赋值模块，还用于：
23.根据权利要求15所述的装置，其中，所述训练模块，还用于：
24.根据权利要求23所述的装置，其中，所述训练模块，还用于：
25.根据权利要求24所述的装置，其中，所述训练模块，还用于：
26.一种抗体筛选装置，其中，所述装置包括：
27.根据权利要求26所述的装置，其中，所述第四获取模块，还用于：
28.根据权利要求26所述的装置，其中，所述筛选模块，还用于：
29.一种电子设备，包括：
30.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-11和/或权利要求12-14中任一项所述的方法。
31.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-11和/或权利要求12-14中任一项所述的方法。
...【技术特征摘要】
1.一种抗原抗体亲和力预测模型的训练方法，其中，所述方法包括：
2.根据权利要求1所述的方法，其中，所述获取训练好的目标复合物三维特征图提取模型，包括：
3.根据权利要求2所述方法，其中，所述第二复合物样本为样本抗原抗体复合物中样本抗原和样本抗体的结合面区域的部分复合物。
4.根据权利要求2所述的方法，其中，所述获取预设置的原子特征掩盖比例，并基于所述原子特征掩盖比例对所述第一原子集合进行部分第一原子的原子特征掩盖，得到掩盖后的第三复合物样本，包括：
5.根据权利要求2所述的方法，其中，所述基于所述第三复合物样本对所述候选复合物三维特征图提取模型进行模型训练，直至训练结束，得到训练好的所述目标复合物三维特征图提取模型，包括：
6.根据权利要求5所述的方法，其中，所述基于所述第五原子集合中各第五原子的第三原子信息，得到所述第三复合物样本的第一三维特征图，包括：
7.根据权利要求6所述的方法，其中，所述针对任一第五原子，基于各第五原子的第三原子信息中包括的第二原子坐标，获取所述第五原子在所述第五原子集合中相邻的第六原子集合，包括：
8.根据权利要求1所述的方法，其中，所述获取初始亲和力预测模型的初始特征图提取层，并基于所述第一模型参数集合对所述初始特征图提取层的进行参数赋值，得到待训练的候选亲和力预测模型，包括：
9.根据权利要求1所述的方法，其中，所述将所述第一复合物样本和突变型复合物样本集合输入所述候选亲和力预测模型进行模型训练，直至训练结束，得到训练好的目标亲和力预测模型，包括：
10.根据权利要求9所述的方法，其中，所述针对任一突变型复合物样本，通过所述候选亲和力预测模型，获取所述突变型复合物样本基于所述第一复合物样本的第一抗原抗体亲和力变化参数，包括：
11.根据权利要求10所述的方法，其中，所述针对任一突变型复合物样本，通过所述候选亲和力预测模型的候选三维特征图提取层，提取所述第一复合物样本的第二三维特征图，以及所述突变型复合物样本的第三三维特征图，包括：
12.一种抗体筛选方法，其中，所述方法...
【专利技术属性】
技术研发人员：胡靖，郜杰，方晓敏，张肖男，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。