MÉTODOS PARA DESENVOLVER UM AGENTE TERAPÊUTICO, PARA DESENVOLVER UMA VACINA COM PEPTÍDEOS, PARA FABRICAR UMA VACINA, PARA TRATAR UM INDIVÍDUO, PARA TRATAR UM INDIVÍDUO COM CÂNCER E PARA TRATAR CÂNCER, MÉTODO, VACINA, COMPOSIÇÕES FARMACÊUTICAS, CÉLULA T ENGENHEIRADA, POPULAÇÃO DE CÉLULAS T ENGENHEIRADAS, SISTEMA E PRODUTO DE PROGRAMA DE COMPUTADOR

IPC Classification

Priority claims

Abstract

MÉTODOS PARA DESENVOLVER UM AGENTE TERAPÊUTICO, PARA DESENVOLVER UMA VACINA COM PEPTÍDEOS, PARA FABRICAR UMA VACINA, PARA TRATAR UM INDIVÍDUO, PARA TRATAR UM INDIVÍDUO COM CÂNCER E PARA TRATAR CÂNCER, MÉTODO, VACINA, COMPOSIÇÕES FARMACÊUTICAS, CÉLULA T ENGENHEIRADA, POPULAÇÃO DE CÉLULAS T ENGENHEIRADAS, SISTEMA E PRODUTO DE PROGRAMA DE COMPUTADOR. Um método para desenvolver um agente terapêutico, como, por exemplo, uma vacina com peptídeos. Um modelo de aprendizado de máquina é treinado usando um algoritmo de aprendizado métrico, dados de sequência peptídica de treinamento, e dados de apresentação de alelos de treinamento correspondentes aos dados de sequência peptídica de treinamento. Os dados de sequência peptídica que identificam sequências peptídicas que correspondem a peptídeos são recebidos. Um vetor de sequência peptídica é gerado, por meio de um modelo de aprendizado de máquina, para cada sequência peptídica usando os dados da sequência peptídica para formar uma pluralidade de vetores de sequência peptídica. Uma saída é gerada com o uso da pluralidade de vetores de sequência peptídica. A saída fornece uma indicação de similaridade entre sequências peptídicas da pluralidade de sequências peptídicas. Um grupo de peptídeos candidatos é selecionado a partir da pluralidade de peptídeos para desenvolvimento do agente terapêutico com base na saída, de modo que o grupo de peptídeos candidatos inclua pelo menos dois peptídeos candidatos dissimilares.