一种基于生成式神经网络模型设计抗体结构和序列的方法

本发明公开了一种基于生成式神经网络模型设计抗体结构和序列的方法，属于人工智能技术领域。本发明利用公开的实验观测抗原‑抗体复合物结构数据集和开源序列模型构建图数据集，搭建基于图消息传播、离散变分自编码器和注意力机制的神经网络并完成网络训练，给定抗原和模板抗体复合物结构，从头生成抗体CDR区域的序列和结构。该方法实现了对靶向结合特定抗原结合位点的抗体功能片段的序列‑结构联合设计，同时利用基于离散隐空间张量的机器学习模型有效衡量新生成抗体片段的亲和力改善程度，其结果与实验数据具有良好的对应关系，且对模型的中间特征层分析体现了网络对普适生化规律的捕捉，对于实现功能引导的抗体分子生成具有开创性意义。