抗体生成方法、装置及电子设备与流程

本公开涉及人工智能，尤其涉及深度学习、生物计算等，尤其涉及一种抗体生成方法、装置及电子设备。

背景技术：

1、目前的抗体生成方法主要有几种。一种是基于抗体中的单个氨基酸序列，生成新的氨基酸序列，进而得到新的抗体。另一种是基于抗体中单个氨基酸序列对应的构象数据，生成新的构象数据，进而得到新的抗体。

2、其中，上述的抗体生成方法，未考虑抗体中的多链交互信息，导致抗体生成的效率较差。

技术实现思路

1、本公开提供了一种抗体生成方法、装置及电子设备。

2、根据本公开的一方面，提供了一种抗体生成方法，所述方法包括：获取参考抗体的参考抗体序列，以及所述参考抗体对应的参考抗原的参考抗原序列；根据所述参考抗体序列以及所述参考抗原序列，确定抗体抗原特征向量；根据所述抗体抗原特征向量，确定目标抗体序列；根据所述目标抗体序列，确定所述参考抗体对应的目标抗体。

3、根据本公开的另一方面，提供了一种抗体生成方法，所述方法包括：获取初始的抗体生成模型；所述抗体生成模型包括，依次连接的特征提取网络以及特征预测网络；获取所述抗体生成模型的训练数据；所述训练数据包括样本抗体的样本抗体序列、所述样本抗体对应的样本抗原的样本抗原序列、以及所述样本抗体序列对应的相似样本抗体序列；将所述样本抗体序列以及所述样本抗原序列输入依次连接的所述特征提取网络以及所述特征预测网络，获取所述特征预测网络输出的预测抗体序列；根据所述预测抗体序列以及所述相似样本抗体序列，对所述抗体生成模型进行参数调整处理，实现训练。

4、根据本公开的另一方面，提供了一种抗体生成装置，所述装置包括：第一获取模块，用于获取参考抗体的参考抗体序列，以及所述参考抗体对应的参考抗原的参考抗原序列；第一确定模块，用于根据所述参考抗体序列以及所述参考抗原序列，确定抗体抗原特征向量；第二确定模块，用于根据所述抗体抗原特征向量，确定目标抗体序列；第三确定模块，用于根据所述目标抗体序列，确定所述参考抗体对应的目标抗体。

5、根据本公开的另一方面，提供了一种抗体生成装置，所述装置包括：第一获取模块，用于获取初始的抗体生成模型；所述抗体生成模型包括，依次连接的特征提取网络以及特征预测网络；第二获取模块，用于获取所述抗体生成模型的训练数据；所述训练数据包括样本抗体的样本抗体序列、所述样本抗体对应的样本抗原的样本抗原序列、以及所述样本抗体序列对应的相似样本抗体序列；第三获取模块，用于将所述样本抗体序列以及所述样本抗原序列输入依次连接的所述特征提取网络以及所述特征预测网络，获取所述特征预测网络输出的预测抗体序列；训练模块，用于根据所述预测抗体序列以及所述相似样本抗体序列，对所述抗体生成模型进行参数调整处理，实现训练。

6、根据本公开的另一方面，提供了一种电子设备，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本公开上述提出的抗体生成方法；或者，执行本公开上述提出的抗体生成模型的训练方法。

7、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行本公开上述提出的抗体生成方法；或者，执行本公开上述提出的抗体生成模型的训练方法。

8、根据本公开的另一方面，提供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本公开上述提出的抗体生成方法的步骤；或者，实现本公开上述提出的抗体生成模型的训练方法。

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。

技术特征：

1.一种抗体生成方法，所述方法包括：

2.根据权利要求1所述的方法，其中，所述根据所述参考抗体序列以及所述参考抗原序列，确定抗体抗原特征向量，包括：

3.根据权利要求1所述的方法，其中，所述方法还包括：

4.根据权利要求1所述的方法，其中，所述方法还包括：

5.根据权利要求4所述的方法，其中，获取所述参考抗体序列对应的多个候选抗体序列，包括：

6.根据权利要求4所述的方法，其中，获取所述参考抗原序列对应的多个候选抗原序列，包括：

7.根据权利要求4所述的方法，其中，根据所述抗体抗原特征向量、所述多个候选抗体序列和所述多个候选抗原序列，确定所述目标抗体序列，包括：

8.根据权利要求7所述的方法，其中，所述参考抗体序列中包括，多个位点，以及每个位点上的氨基酸类别；所述特征预测结果中包括，所述多个位点中每个位点上多个氨基酸类别的预测概率；

9.一种抗体生成模型的训练方法，所述方法包括：

10.一种抗体生成装置，所述装置包括：

11.根据权利要求10所述的装置，其中，所述第一确定模块具体用于，

12.根据权利要求10所述的装置，其中，所述装置还包括：第二获取模块，用于获取所述参考抗体序列中主氨基酸序列对应的第一构象坐标信息，和/或，获取所述参考抗原序列中所有氨基酸序列对应的第二构象坐标信息；

13.根据权利要求10所述的装置，其中，所述装置还包括：第三获取模块，用于获取所述参考抗体序列对应的多个候选抗体序列，和/或，获取所述参考抗原序列对应的多个候选抗原序列；

14.根据权利要求13所述的装置，其中，所述第三获取模块具体用于，

15.根据权利要求13所述的装置，其中，所述第三获取模块具体用于，

16.根据权利要求13所述的装置，其中，所述第二确定模块包括，第一确定单元、预测处理单元和第二确定单元；

17.根据权利要求16所述的装置，其中，所述参考抗体序列中包括，多个位点，以及每个位点上的氨基酸类别；所述特征预测结果中包括，所述多个位点中每个位点上多个氨基酸类别的预测概率；所述第二确定单元具体用于，

18.一种抗体生成模型的训练装置，所述装置包括：

19.一种电子设备，包括：

20.一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至8中任一项所述的方法；或者，执行根据权利要求9所述的方法。

21.一种计算机程序产品，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至8中任一项所述的方法；或者，实现根据权利要求9所述的方法。

技术总结本公开提供了抗体生成方法、装置及电子设备，涉及人工智能技术领域，尤其涉及深度学习、生物计算技术领域。具体实现方案为：获取参考抗体的参考抗体序列，以及参考抗体对应的参考抗原的参考抗原序列；根据参考抗体序列以及参考抗原序列，确定抗体抗原特征向量；根据抗体抗原特征向量，确定目标抗体序列；根据目标抗体序列，确定参考抗体对应的目标抗体；其中，抗体抗原特征向量的确定过程中，综合考虑了参考抗体与参考抗原之间的交互信息，从而确保生成的目标抗体与参考抗原能够结合以发挥免疫作用，确保生成的目标抗体相对于参考抗体在指标上的优化效果，提高生成的目标抗体的准确度。技术研发人员：胡靖,方晓敏,张肖男受保护的技术使用者：北京百度网讯科技有限公司技术研发日：技术公布日：2024/8/20