[发明专利]基于Bi-LSTM与Self-Attention的多肽TCR免疫原性预测方法

权利要求书

1.一种基于Bi-LSTM与Self-Attention的多肽TCR免疫原性预测方法，其特征在于，使用双向长短期记忆神经网络框架配合自注意机制，训练用于预测多肽TCR免疫原性的深度神经网络模型，并将训练得到的深度神经网络模型用于多肽序列的免疫原性预测。

2.根据权利要求1所述的基于Bi-LSTM与Self-Attention的多肽TCR免疫原性预测方法，其特征在于，使用双向长短期记忆神经网络框架配合自注意机制，训练用于预测多肽TCR免疫原性的深度神经网络模型，具体包括以下步骤：

获取用于模型训练的相关数据集；

对数据集进行编码，并将编码后的数据集划分为训练集和验证集；

将训练集和验证集输入基于Bi-LSTM与Self-Attention技术的深度学习模型，对模型进行训练和测试；

将另外独立收集的数据集作为测试集，输入训练和测试后的深度学习模型进行免疫原性的预测。

3.根据权利要求2所述的基于Bi-LSTM与Self-Attention的多肽TCR免疫原性预测方法，其特征在于，用于模型训练的相关数据集为多肽序列与对应的MHC类型的免疫原性的数据集。

4.根据权利要求3所述的基于Bi-LSTM与Self-Attention的多肽TCR免疫原性预测方法，其特征在于，根据多肽序列的同源性对训练集和验证集进行数量调整，将多肽序列及与其具有同源性多肽序列统一划分为训练集或验证集。

5.根据权利要求4所述的基于Bi-LSTM与Self-Attention的多肽TCR免疫原性预测方法，其特征在于，通过独热编码方式分别对训练集和验证集中的多肽序列进行编码，将多肽序列转换为词嵌入矩阵。

6.根据权利要求1所述的基于Bi-LSTM与Self-Attention的多肽TCR免疫原性预测方法，其特征在于：用于优化抗体和重组蛋白药物的设计。

7.根据权利要求1所述的基于Bi-LSTM与Self-Attention的多肽TCR免疫原性预测方法，其特征在于：用于个性化肿瘤疫苗的设计。