一种基于蒙特卡洛树搜索算法的肿瘤疫苗新生抗原优化方法

本发明公开了一种基于蒙特卡洛树搜索算法的肿瘤疫苗新生抗原优化方法。该方法借助MCTS搜索未被实验发现的极具潜力的抗原多肽，形成高质量训练数据集，进而训练神经网络，利用该神经网络可对抗原进行突变优化从而使其拥有更高的免疫原性。本发明能够基于患者自身的新生抗原以及其特定HLA表型定制化优化，与其他现有方法相比，能够产生更多与HLA亲和力强，更具免疫原性潜力的疫苗候选肽。测量参考肽被候选肽替代的置换率后发现，实验结果与设计预期一致，进一步突显了本发明能够有效地识别和MHC分子结合的具有更强的稳定性与亲和力的肽，生成极具免疫原性潜力的有价值的抗原序列，为癌症疫苗设计提供有效解决方案。