一种基于对比学习的TCR与抗原复合物亲和力预测算法.pdfVIP

下载本文档

2
0
约7.97千字
约 9页
2023-05-17 发布于北京
举报
版权申诉

一种基于对比学习的TCR与抗原复合物亲和力预测算法.pdf

1、本文档共9页，其中可免费阅读8页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公布了一种基于自监督对比学习的TCR与抗原复合物亲和力预测算法，包括预训练与预测两个阶段：1)对比学习预训练阶段,使用TCR序列作为训练集，对TCR序列的氨基酸计算注意力权重，以一定概率掩盖部分氨基酸产生新的TCR序列，通过Transformer编码器进行编码，生成两条序列的向量表示(embedding)，然后根据对比学习框架，计算两条序列的余弦相似性，归一化温度‑尺度交叉熵(NT‑Xent损失)计算损失，使用梯度下降算法进行损失函数优化。2)下游预测阶段，操作者将待测试的TCR序列与抗原

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114822680 A (43)申请公布日 2022.07.29 (21)申请号 202210172888.1 (22)申请日 2022.02.24 (71)申请人南京工业大学地址 210000