[发明专利]基于多模态深度编码的抗原免疫原性预测方法和系统

权利要求书

1.一种基于多模态深度编码的抗原免疫原性预测方法，其特征在于它包括以下步骤：

S1、特征选择：选定与抗原免疫原性相关的特征，作为待融合特征；待融合特征选择为：肽段序列特征、HLA-I序列特征、抗原受体-肽段互作特征、肽段物理特征、肽段氨基酸组分特征；

S2、归一化处理：设置隐嵌入维度作为不同待融合特征的最终输入维度，将S1中获取的待融合特征进行变换和尺度缩放，获得标准特征；根据S1中特征选择的不同，S2中选定相应的归一化处理方案，以获取格式、维度统一，便于融合的标准特征，具体为：

-序列特征；使用主成分分解PCA对AAindex数据库中的AAindex1数据进行变换，选取变换后的12个主成分特征，为输入的序列进行编码作为序列特征的标准特征；

-互作特征：基于AAindex数据库中的AAindex3矩阵，进行序列比对，获取比对分数，通过尺度缩放获取互作特征的标准特征；

-物理特征：表示序列的电荷、疏水性、不稳定性特征，通过尺度缩放获得物理特征的标准特征；

-组分特征：表示序列氨基酸组分特征，统计其标准氨基酸编码出现的次数作为组分特征的标准特征；

S3、特征融合：将维度相同的标准特征作线性融合操作，融合后的特征向量/矩阵输入深度神经网络，进行非线性变换与融合，获得抗原免疫原性的最终特征分数；

S4、构建预测模型：特征融合，构建包含最终特征分数的预测模型和优化模型；

S5、求解优化模型，获得最优参数的预测模型；

S6、使用最优参数的预测模型进行抗原免疫原性预测。

2.根据权利要求1所述的方法，其特征在于S2中：

肽段序列特征通过以下方法获得标准特征：采用主成分分解PCA对AAindex数据库中的AAindex1特征进行变换，选取变换后的12个主成分特征，对肽段的蛋白组成氨基酸进行编码作为肽段序列特征；

HLA-I序列特征通过以下方法获得标准特征：采用主成分分解PCA对AAindex数据库中的AAindex1特征进行变换，选取变换后的12个主成分特征，对HLA-I序列的蛋白组成氨基酸进行编码作为HLA-I序列特征；

抗原受体-肽段互作特征通过以下方法获得标准特征：基于AAindex数据库中的AAindex3特征，进行序列比对，获取比对分数，通过尺度缩放获得标准化特征，作为抗原受体-肽段互作特征；

肽段物理特征通过尺度缩放获得标准特征，以保证模型训练优化过程的数值稳定性；

肽段氨基酸组分特征通过以下方法获得标准特征：统计肽段中标准氨基酸编码出现的次数，作为肽段氨基酸组分特征。

3.根据权利要求2所述的方法，其特征在于抗原受体-肽段互作特征的尺度变化公式为：

式中，p表示抗原受体-肽段互作分数，p^′表示作为标准特征的抗原受体-肽段互作分数。

4.根据权利要求2所述的方法，其特征在于肽段物理特征的尺度变化公式为：

式中，x表示肽段物理特征分数，x^′表示作为标准特征的肽段物理特征分数。

5.根据权利要求1所述的方法，其特征在于S3特征融合中，所述线性融合操作包括点乘、或加和、或组合成特征矩阵。

6.根据权利要求1所述的方法，其特征在于S4中构建优化模型：

式中，f是含可学习参数的预测模型；W表示该模型中可学习参数，包括各融合特征获取时方案权重；x_n表示输入的特定数据，y_n是训练数据中免疫原性可信度数值；N表示样本总数。

7.根据权利要求1所述的方法，其特征在于S5中求解优化模型：多次遍历所有训练数据，利用基于随机梯度优化方法的优化器进行优化，得到最优的模型参数，获得预测模型f_W。