A SYSTEM FOR SEARCHING THE NEW PEPTIDE

The present invention relates to a peptide new material search method and system that can precisely predict the immunoactivity of a target peptide sequence by learning the binding possibility of MHC 1 and an epitope peptide by an artificial intelligence deep learning method. The peptide new material search method according to the present invention comprises the steps of: 1) collecting training data using known epitope peptides of MHC 1 as a positive training set and a human-reference protein sequence having immunotolerance as a negative training set; 2) using the training data collected in step 1) to learn whether the training data and MHC 1 are combined using an artificial intelligence deep learning technique, thereby establishing an epitope peptide prediction model; and 3) inputting an epitope candidate peptide into the epitope peptide prediction model established in step 2) to predict whether the epitope candidate peptide and MHC 1 are combined. 본 발명은MHC 1 과 에피토프 펩타이드의 결합 가능성을 인공지능 딥러닝 학습법으로 학습하여 대상 펩타이드 서열에 대한 면역활성을 정교하게 예측할 수 있는 펩타이드 신물질 탐색 방법 및 시스템에 관한 것으로서, 본 발명에 따른 펩타이드 신물질 탐색 방법은, 1) MHC 1의 알려진 에피토프(epitope) 펩타이드들 포지티브 훈련 세트로, 면역 관용이 있는 휴먼 레퍼런스(Hunan-Reference) 단백질 서열을 네거티브 훈련 세트로 하여 훈련 데이터를 수집하는 단계; 2) 상기 1) 단계에서 수집된 훈련 데이터를 사용하여 인공지능 딥러닝 기법으로 훈련 데이터와 MHC 1의 결합 여부를 학습시켜 에피토프 펩타이드 예측 모델을 확립하는 단계; 3) 에피토프 후보 펩타이드를 상기 2) 단계에서 확립된 에피토프 펩타이드 예측 모델 모델에 입력하여 상기 에피토프 후보 펩타이드와 MHC 1의 결합 여부를 예측하는 단계;를 포함한다.