CNN-BiLSTM残差网络的抗体抗原相互作用预测模型

摘要

抗体与抗原之间的相互作用是免疫系统识别和对抗病原体的核心机制，同时也是抗体药物设计的关键环节.近年来涌现出一些基于深度学习的方法来提升抗体抗原相互作用预测的效率和精度.为进一步提高预测性能，本文提出了一种新型深度学习模型CBAAI.该模型整合了卷积神经网络(CNN)、双向长短时记忆网络(BiLSTM)以及残差网络的优势.具体而言，CBAAI首先将抗体和抗原序列输入蛋白质语言模型，提取高质量的序列特征嵌入.然后，通过基于CNN和BiLSTM的残差单元对序列特征进行融合，以构建抗体抗原相互作用预测模型.在HIV和SARS-CoV-2两个独立测试集上的实验结果表明，与当前的主流方法相比，CBAAI在多个评估指标上均取得了显著的性能提升.

关键词

抗体 / 抗原 / 蛋白质语言模型 / 卷积神经网络 / 双向长短时记忆网络

基金资助

国家自然科学基金项目(61902352,62203389,62201506)资助; 浙江省自然科学基金项目(LZ20F030003)资助; 浙江省属高校基本科研业务费专项项目(RF-A20200012)资助; 浙江工业大学研究生教学改革项目(2022205)资助