买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利基于监督对比学习的可解释MHC-II肽结合亲和力预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117198405B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311142686.3，技术领域涉及：G16B40/00；该发明授权基于监督对比学习的可解释MHC-II肽结合亲和力预测方法是由於东军;申龙晨设计研发完成，并于2023-09-05向国家知识产权局提交的专利申请。

本基于监督对比学习的可解释MHC-II肽结合亲和力预测方法在说明书摘要公布了：本发明公开了一种基于监督对比学习的可解释MHC‑II肽结合亲和力预测方法，包括：搜集MHC‑II肽亲和力数据，并对MHC‑II分子、肽序列分别进行特征编码，转换为特征向量；将数据按时间构建训练集；根据结合亲和力值将训练集构建为预训练分类数据集Pre‑Dataset；构建基于Transformer模块与残差模块的深度学习框架；将Pre‑Dataset输入构建的深度学习框架，使用监督对比学习对其进行预训练并进行微调学习；通过训练好的深度学习模型进行预测。本发明赋予模型稳定可靠的初始模型权重，同时，Transform模块根据MHC‑II分子和肽之间的相互作用特征来识别结合核心和准确的锚点位置。

本发明授权基于监督对比学习的可解释MHC-II肽结合亲和力预测方法在权利要求书中公布了：1.一种基于监督对比学习的可解释MHC-II肽结合亲和力预测方法，其特征在于，包括步骤： 步骤1：搜集MHC-II肽亲和力数据，并对MHC-II分子、肽序列分别进行特征编码，转换为特征向量； 步骤2：将步骤1处理后的数据按时间构建训练集； 步骤3：根据结合亲和力值将训练集构建为预训练分类数据集Pre-Dataset； 步骤4：构建基于Transformer模块与残差模块的深度学习框架； 步骤5：将Pre-Dataset输入构建的深度学习框架，使用监督对比学习对其进行预训练； 步骤6：对步骤5训练得到的深度学习框架进行优化学习； 步骤7：将待预测MHC-II分子序列和肽序列输入步骤6训练好的深度学习模型，通过模型的前向计算，输出对应MHC-II分子和肽的结合亲和力预测值； 所述基于Transformer模块与残差模块的深度学习框架包括MHC-II肽交互模块、两组Transformer模块、堆叠的若干个残差模块、平均池化层、预训练阶段的线性变换层以及用于步骤6优化学习的sigmoid函数； 所述Transformer模块为: TransformerX＝Concathead1,…,headh 式中，是投影权重矩阵；表示交互特征的相对位置编码；dw表示特征长度；i表示第i个注意力头；dmodel是Transformer的输入特征维数；d是投影变换后的输入特征维数；X表示Transformer模块的输入特征矩阵，Concat为张量拼接函数；Attention为注意力机制模块。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。