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
系统为您推荐了相关专利信息
大语言模型
医疗文本数据
病历
排序系统
专家系统
镓锗
功能复合材料
近红外长余辉发光
近红外发光材料
聚合物高分子材料
模拟仿真方法
构型
金属镍
电子结构
密度泛函理论
故障实体
智能问答方法
意图识别模型
大型设备
语句
接收前端
预训练模型
节点
预约方法
数据存储机制