ANTIBODY COMPETITION MODEL USING AFFINITIES OF HIDDEN VARIABLES

Embodiments derive hidden variables based on antibody competition data to discover binding patterns. For example, antibody competition data for a plurality of antibodies and an antigen can be received, where the antibody competition data includes data values indicative of pairwise competition betwee...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: GOGORZA Tomas, HANNIE Stefan Edward, YAP Jordan John, FORD Alexander Sewall, HUGHES Christopher Thaddeus, KRAFT Lucas, DOCKING Thomas Roderick, BERTRAND DE PUYRAIMOND Valentine Julie Layla, JEPSON Kevin Richard
Format: Patent
Sprache:eng ; spa
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:Embodiments derive hidden variables based on antibody competition data to discover binding patterns. For example, antibody competition data for a plurality of antibodies and an antigen can be received, where the antibody competition data includes data values indicative of pairwise competition between antibodies. The antibody competition data can be processed to generate training data. Using the training data and an optimization engine, a plurality of hidden variables and affinity scores for the hidden variables can be derived, where affinity scores for the hidden variables are derived for each antibody and the hidden variables represent competition factors for the antigen that cause competition among the antibodies. La presente invención se refiere a modalidades que derivan variables ocultas basadas en datos de competencia de anticuerpos para descubrir patrones de unión. Por ejemplo, se pueden recibir datos de competencia de anticuerpos para una pluralidad de anticuerpos y un antígeno, donde los datos de competencia de anticuerpos incluyen valores de datos indicativos de competencia por pares entre anticuerpos. Los datos de competición de anticuerpos se pueden procesar para generar datos de entrenamiento. Usando los datos de entrenamiento y un motor de optimización, se pueden derivar una pluralidad de variables ocultas y puntuaciones de afinidad para las variables ocultas, donde las puntuaciones de afinidad para las variables ocultas se derivan para cada anticuerpo y las variables ocultas representan factores de competencia para el antígeno que causa la competencia entre los anticuerpos.