基于预训练模型和先验知识的iNKT细胞Th1型激动剂量化预测模型
申请号:CN202510577103
申请日期:2025-05-06
公开号:CN120954510A
公开日期:2025-11-14
类型:发明专利
摘要
基于预训练模型和先验知识的iNKT细胞Th1型激动剂量化预测模型,其属于数据处理的技术领域。该模型结合了Geminimol分子预训练模型及分子对接结果,通过小样本训练模型建立了iNKT细胞Th1倾向性免疫反应生物活性数据与分子之间的联系,从而实现对Th1型免疫反应的定量预测。本发明包括以下步骤:(1)数据集构建。(2)激活iNKT细胞免疫反应靶蛋白组中关键氨基酸残基的筛选。(3)基于AutoDock4GPU的分子对接与基于PLIP库的相互作用分析。(4)基于预训练模型与先验知识的Th1型免疫反应小样本迁移学习模型构建。本发明利用预训练模型与先验知识,能有效预测糖脂类抗原分子对iNKT细胞Th1型免疫应答能力,实现了更高效的促Th1型免疫应答糖脂类抗原效果评估。
技术关键词
预训练模型
分子
无监督学习
迁移学习模型
疏水相互作用
Th1型免疫应答
描述符
高斯径向基函数
数据标签
注意力机制
卤键供体
批量
邻居
口袋
多层感知机
生物
旋转键
受体
统计特征