[发明专利]一种抗体结构预测的处理方法和装置

说明书

本发明实施例涉及一种抗体结构预测的处理方法和装置，所述方法包括：基于预设的多个迭代次数对抗体结构预测模型进行训练得到多组结构预测模型参数；并对抗体结构评分模型进行训练；获取FV片段序列；对多组结构预测模型参数进行遍历，遍历时基于当前遍历的结构预测模型参数对抗体结构预测模型进行参数设置并将重链、轻链残基序列输入当前抗体结构预测模型进行FV片段三维结构预测得到对应的FV片段结构；将得到的M个FV片段结构分别输入抗体结构评分模型进行置信度评分；从得到M个评分中选择最大评分对应的FV片段结构作为最优FV片段结构并输出。通过本发明可以基于抗体结构预测模型+抗体结构评分模型的组合来提高结构预测精度。

技术领域

本发明涉及数据处理技术领域，特别涉及一种抗体结构预测的处理方法和装置。

背景技术

抗体结构由两条轻链和两条重链组成，他们组装成了一个大的Y型复合物。其中的可变片段（FV）区域负责通过一组互补决定区（CDR）与抗原结合，其中的CDR H3区域灵活性较高，是获得准确抗体结构的难点。已有的抗体结构预测方式有基于实验的预测方式和基于智能模型的预测方式。基于实验的预测方式速度慢、成本高。基于智能模型的预测方式目前常见的有AlphaFold模型。但在具体应用中，我们发现因为AlphaFold模型并不是专门针对抗体设计的、所以按常规AlphaFold模型训练方式对其进行抗体结构预测训练，总是不能得到较好的预测精度。

发明内容

本发明的目的，就是针对现有技术的缺陷，提供一种抗体结构预测的处理方法、装置、电子设备及计算机可读存储介质；预先基于AlphaFold-Multimer的模型结构构建一个抗体结构预测模型，并为之基于SEGNNs网络构建一个对应的抗体结构评分模型；然后，基于预设的M个迭代次数n_i对抗体结构预测模型进行训练得到对应的M组结构预测模型参数，并对抗体结构评分模型进行训练；并将M组结构预测模型参数分别输入抗体结构预测模型进行设置，得到对应的M个参数不一样的抗体结构预测模型；然后在每次得到一对轻、重链残基序列时，就将这对轻、重链残基序列输入到这M个抗体结构预测模型中分别进行结构预测，并通过抗体结构评分模型对M个预测结构分别进行置信度评分，并将其中最高评分对应的预测结构作为最优FV片段结构输出。通过本发明，不但可以弥补传统方案中没有提供针对性模型来对抗体FV片段进行三维结构预测的技术缺陷；还可以通过抗体结构预测模型+抗体结构评分模型的组合操作来提高抗体FV片段三维结构的预测精度。

为实现上述目的，本发明实施例第一方面提供了一种抗体结构预测的处理方法，所述方法包括：

基于预设的多个迭代次数n_i对抗体结构预测模型进行训练得到对应的多组结构预测模型参数；并对抗体结构评分模型进行训练；1≤i≤M，M为一个大于或等1的正整数；

获取抗体FV片段的残基序列作为对应的第一FV片段序列；所述第一FV片段序列包括第一重链残基序列、第一轻链残基序列；

对所述多组结构预测模型参数的所述结构预测模型参数进行遍历；并在遍历时，将当前遍历的所述结构预测模型参数作为对应的当前结构预测模型参数，并将所述抗体结构预测模型的模型参数设为所述当前结构预测模型参数，并将本次设置后的所述抗体结构预测模型作为对应的当前抗体结构预测模型；并将所述第一重链残基序列和所述第一轻链残基序列输入所述当前抗体结构预测模型进行FV片段三维结构预测处理得到对应的第一FV片段结构；

将得到的M个所述第一FV片段结构分别输入训练成熟的所述抗体结构评分模型进行置信度评分得到对应的第一结构评分；

从得到M个所述第一结构评分中选择最大评分对应的所述第一FV片段结构作为最优FV片段结构并输出。