基于蛋白质语言模型和双重多实例注意力机制的肽-HLA I类等位基因亲和力预测系统

本发明涉及生物信息和计算免疫技术领域，且公开了基于蛋白质语言模型和双重多实例注意力机制的肽‑HLA I类等位基因亲和力预测系统，所述预测系统包括：肽与人类白细胞抗原HLA I类分子的序列编码与分布式表示模块、动态选择机制长短期记忆网络LSTM进行多层次特征提取模块、双重多实例注意力模块和特征融合及亲和力预测模块。本发明通过对于包含HLA I类分子与多肽的分子序列，利用自训练的表位肽蛋白质语言模型和HLA I类分子蛋白质语言模型来获取氨基酸序列的特征编码向量，来更好的表征分子序列；对氨基酸之间可变长度的依赖问题，利用改进的动态选择机制LSTM学习序列中不同距离氨基酸之间的依赖特征，达到了改善HLA抗原呈递的预测效果的有益效果。