一种基于强化学习的抗体免疫原性风险预测优化方法

本发明公开了一种基于强化学习的抗体免疫原性风险预测优化方法，包括如下步骤：获取抗体候选分子的氨基酸序列并进行预处理；提取序列特征与结构特征，定义状态空间；构建TDA‑RF融合预测模型并输出预测分类结果；将预测分类结果与真实免疫原性标注比较，生成反馈信号并定义奖励函数；采用改进的MBPO网络对TDA‑RF融合预测模型进行训练并更新参数，得到优化后的TDA‑RF融合预测模型；将氨基酸序列输入优化后的TDA‑RF融合预测模型，输出免疫原性风险预测结果，实现对抗体候选分子免疫原性风险的高精度预测与有效筛选，为抗体药物设计与研发提供可靠支撑。