一种基于AI生成候选序列的简并DNA文库设计方法和系统与流程

摘要: 本发明涉及生物信息,具体涉及一种基于ai生成候选序列的简并dna文库设计方法和系统。背景技术:1、随着蛋白质大模型、抗体生成扩散模型、序列语言模型与亲和力预测算...
一种基于AI生成候选序列的简并DNA文库设计方法和系统与流程

本发明涉及生物信息,具体涉及一种基于ai生成候选序列的简并dna文库设计方法和系统。

背景技术:

1、随着蛋白质大模型、抗体生成扩散模型、序列语言模型与亲和力预测算法的快速发展,ai可一次性生成或筛选出十万级甚至百万级的候选抗体、多肽序列,但计算设计结果难以直接转化为实验可进行的文库方案。

2、现有技术中,简并dna文库只能针对少量固定序列进行定点突变设计,同时,对不同变异程度的位点采用统一阈值,人工统一阈值容易造成偏差,并且,仅以氨基酸组合数作为容量控制指标,未考虑简并密码子展开后的dna实际容量,常出现文库规模远超细菌转化承载能力的情况。

技术实现思路

1、针对现有技术的不足,本申请提出了一种基于ai生成候选序列的简并dna文库设计方法和系统,以dna密码子容量为控制目标,区分目标氨基酸容量、编码氨基酸容量与dna文库容量三个维度,避免了传统设计中文库规模超出细菌转化承载能力的问题,通过位点级动态阈值策略,根据每个位点的变异等级自适应配置阈值搜索范围,并通过全局优化动态确定最终阈值,避免了人工统一阈值的偏差。

2、以下是本发明的技术方案,一种基于ai生成候选序列的简并dna文库设计方法,包括以下步骤:

3、s1、接收用户输入的至少一个候选序列文件、文库类型参数和目标dna文库数量级参数;

4、s2、对候选序列文件进行输入质控,验证序列格式、长度和合规性,输出质控结果;

5、s3、统计质控通过的候选序列位点级氨基酸频率,生成每个位点的频率谱与变异等级;

6、s4、根据每个位点的变异等级配置阈值搜索范围,独立生成多个候选氨基酸集合;

7、s5、将各候选氨基酸集合转换为对应的简并三联体密码子,计算每个候选的dna密码子容量、实际编码氨基酸集合和额外编码氨基酸信息;

8、s6、以目标dna文库容量为主约束,对各位点的候选简并密码子进行全局组合优化,筛选出实际dna容量落入预设容忍窗口的模板组合;

9、s7、对满足dna容量窗口的模板组合进行二级排序,输出最优文库模板;

10、s8、生成结构化的文库模板文件与分析报告,基于分析报告进行决策。

11、作为本发明的优选方案,s1中,文库类型包括抗体模式和多肽模式;

12、抗体模式下,候选序列文件至少包含cdr1、cdr2、cdr3三个序列列;

13、多肽模式下,候选序列文件至少包含sequence序列列;

14、目标dna文库数量级参数为单一数值或数值范围。

15、作为本发明的优选方案,s3包括以下步骤:

16、s301、按文库类型将候选序列拆分为独立位点,抗体模式下将各cdr区的每个氨基酸位置定义为独立位点,多肽模式下将序列的每个氨基酸位置定义为独立位点;

17、s302、统计每个位点中各氨基酸的出现次数、出现频率、累计频率和位点总样本数;

18、s303、根据位点的氨基酸种类数量划分变异等级,包括低可变位点、中可变位点和高可变位点。

19、作为本发明的优选方案,s4中,候选氨基酸集合的生成约束为:

20、从高频氨基酸按降序累计选取,受位点变异等级对应的累计频率阈值范围约束,且每个位点的目标氨基酸数量不超过预设上限。

21、作为本发明的优选方案,s5中,简并三联体基于iupac简并碱基规则枚举生成,筛选过程优先排除包含终止密码子的三联体,并根据dna密码子数量、额外编码氨基酸数量与宿主密码子偏好度进行综合评分。

22、作为本发明的优选方案,综合评分表达式如下:

23、

24、上式中,为简并三联体综合评分,为该简并三联体对应的dna密码子总数,为额外编码的氨基酸数量,为宿主密码子偏好匹配度,为权重系数。

25、作为本发明的优选方案,s6中,全局组合优化采用逐层累乘剪枝策略,包括以下步骤:

26、s601、按位点顺序构建多层状态空间,每个位点的候选简并密码子作为该层的可选状态;

27、s602、逐层累乘计算累计dna容量,采用对数空间计算避免数值溢出,当累计容量超出目标容量上限时剪枝对应路径;

28、s603、遍历完成后,筛选出累计dna容量落入目标容量±预设容忍窗口内的所有组合。

29、作为本发明的优选方案,,s602中,累计dna容量表达式如下:

30、

31、上式中,累计dna密码子容量,为第i位点的密码子数,为位点总数。

32、作为本发明的优选方案,s7中,二级排序的指标包括目标氨基酸频率覆盖度、关键区域可变位点比例、额外编码氨基酸惩罚值、实际编码氨基酸容量和模板可合成性;

33、抗体模式下,在容量合格的组合中优先提升cdr3区域的可变位点比例和频率覆盖度。

34、一种基于ai生成候选序列的简并dna文库设计系统,包括:

35、输入解析模块,用于读取候选序列文件、识别文库类型、解析目标容量参数并生成批处理任务列表;

36、序列验证模块,用于校验输入序列的表头合规性、序列字符合法性、长度一致性与骨架匹配性,连接输入解析模块;

37、位点统计模块,用于逐位点统计氨基酸频率、计算频率谱并划分位点变异等级,连接序列验证模块;

38、候选生成模块,用于为每个位点生成多组候选氨基酸集合并校验约束条件,连接位点统计模块;

39、简并编码模块,用于将候选氨基酸集合映射为简并三联体密码子并计算编码参数,连接候选生成模块;

40、容量优化模块,用于以目标dna容量为约束进行全局组合优化与二级排序,连接简并编码模块;

41、骨架嵌入模块,用于抗体模式下将cdr模板嵌入人源化骨架生成全长序列,连接容量优化模块;

42、报告输出模块,用于生成各类文库模板、统计报告与结构化输出文件,连接容量优化模块和骨架嵌入模块。

43、本发明的有益效果是:

44、1、本发明中,将ai候选序列通过统计压缩转换为单个可合成的简并dna文库模板,大幅降低合成成本,以dna密码子容量为控制目标,区分目标氨基酸容量、编码氨基酸容量与dna文库容量三个维度,避免了传统设计中文库规模超出细菌转化承载能力的问题;

45、2、本发明中,通过位点级动态阈值策略,根据每个位点的变异等级自适应配置阈值搜索范围,并通过全局优化动态确定最终阈值,避免了人工统一阈值的偏差;

46、3、本发明中,能够在抗体模式下可进行cdr区域的差异化优先级控制,在容量约束内优先保留cdr3等功能关键区的变异信息,提高了合理性和可控性。

1.一种基于ai生成候选序列的简并dna文库设计方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于ai生成候选序列的简并dna文库设计方法,其特征在于,s1中,文库类型包括抗体模式和多肽模式;

3.根据权利要求2所述的一种基于ai生成候选序列的简并dna文库设计方法,其特征在于,s3包括以下步骤:

4.根据权利要求1所述的一种基于ai生成候选序列的简并dna文库设计方法,其特征在于,s4中,候选氨基酸集合的生成约束为:

5.根据权利要求1所述的一种基于ai生成候选序列的简并dna文库设计方法,其特征在于,s5中,简并三联体基于iupac简并碱基规则枚举生成,筛选过程优先排除包含终止密码子的三联体,并根据dna密码子数量、额外编码氨基酸数量与宿主密码子偏好度进行综合评分。

6.根据权利要求5所述的一种基于ai生成候选序列的简并dna文库设计方法,其特征在于,综合评分表达式如下:

7.根据权利要求1所述的一种基于ai生成候选序列的简并dna文库设计方法,其特征在于,s6中,全局组合优化采用逐层累乘剪枝策略,包括以下步骤:

8.根据权利要求7所述的一种基于ai生成候选序列的简并dna文库设计方法,其特征在于,s602中,累计dna容量表达式如下:

9.根据权利要求1所述的一种基于ai生成候选序列的简并dna文库设计方法,其特征在于,s7中,二级排序的指标包括目标氨基酸频率覆盖度、关键区域可变位点比例、额外编码氨基酸惩罚值、实际编码氨基酸容量和模板可合成性;

10.一种基于ai生成候选序列的简并dna文库设计系统,适用于权利要求1-9任一项所述的一种基于ai生成候选序列的简并dna文库设计方法,其特征在于,包括: