专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果3318685个,建议您升级VIP下载更多相关专利
  • [发明专利]转录因子结合的预测方法及装置-CN202310232514.9在审
  • 杨梓琨;顾斐 - 阿里巴巴(中国)有限公司
  • 2023-03-03 - 2023-07-07 - G16B20/30
  • 本说明书实施例提供转录因子结合的预测方法及装置,其中所述转录因子结合的预测方法包括:接收针对待检测细胞的转录因子结合的预测请求;响应于所述预测请求,获取所述待检测细胞的待检测细胞基因序列和目标组蛋白修饰信息;将待检测细胞基因序列和目标组蛋白修饰信息输入至结合预测模型,获得所述结合预测模型输出的预测结合信息,其中,所述结合预测模型用于预测细胞基因序列的转录因子结合。通过本说明书提供的方法,在进行转录因子结合的预测过程中,加入了组蛋白修饰信息,组蛋白修饰信息为模型提供了额外的与转录因子结合具有相关性的信息,提升了预测的准确率。
  • 转录因子结合预测方法装置
  • [发明专利]一种药物-DBPs结合的预测方法-CN201910616620.0有效
  • 王伟;吕贺贺;赵远;王世勋;王亚茹;黄军伟 - 河南师范大学
  • 2019-07-09 - 2022-01-25 - G16B20/30
  • 本发明涉及一种药物‑DBPs结合的预测方法,属于药物‑蛋白质结合预测技术领域。本发明中提出一种基于二分网络的药物‑DBPs结合的预测方法,以三个氨基酸组成的结合片段为研究对象,根据结合片段理化性质进行聚类,建立药物‑簇网络关系,然后使用CN方法计算药物‑簇相互作用分数,挑选出得分大于平均标准误差的药物‑簇;簇中的结合片段即与该药物具有显著的相互作用,为预测的药物‑DBPs结合。在缺乏特征信息的情况下,基于结构的链路预测算法被用来预测新的药物‑DBPs结合片段相互作用。基于此,还可以进一步分析预测结果中药物和结合片段的结合机制。
  • 一种药物dbps结合预测方法
  • [发明专利]生产系统-CN202080078336.3在审
  • 丹尼尔·法尔利 - 牛津生物医学(英国)有限公司
  • 2020-11-11 - 2022-06-24 - A61K48/00
  • 本发明涉及包含目的核苷酸和色氨酸RNA结合衰减蛋白(TRAP)结合以及任选的Kozak序列的核酸序列,其中所述TRAP结合与Kozak序列和/或目的核苷酸的ATG起始密码子重叠。本发明还涉及包含目的核苷酸和Kozak序列的核酸序列,其中所述Kozak序列包含色氨酸RNA结合衰减蛋白(TRAP)结合的一部分。本发明还涉及包含目的核苷酸和TRAP结合的核酸序列,其中TRAP结合包含所述目的核苷酸的起始密码子ATG的一部分,或者其中ATG起始密码子包含TRAP结合的一部分。本发明还涉及包含目的核苷酸、色氨酸RNA结合衰减蛋白(TRAP)的结合、多克隆和Kozak序列的核酸序列,其中所述多克隆与TRAP结合的3'KAGN2‑3
  • 生产系统
  • [发明专利]用于蛋白质结合的机器学习-CN201980074046.9在审
  • J.迈耶斯;M.塞格勒;M.西莫诺夫斯基 - 伯耐沃伦人工智能科技有限公司
  • 2019-11-29 - 2021-06-22 - G16B15/30
  • 本发明公开了一种训练机器学习模型以学习蛋白质结合之间的配体结合相似性的计算机实施方法。所述方法包含向所述机器学习模型输入以下各项:第一结合的表示;第二结合的表示,其中所述第一和第二结合的所述表示包含结构信息;以及标记,其包含所述第一结合和所述第二结合之间的配体结合相似性的指示所述方法还包含:从所述机器模型输出基于所述第一和第二结合的所述表示的相似性指示符;执行所述相似性指示符和所述标记之间的比较;以及基于所述比较来更新所述机器学习模型。
  • 用于蛋白质结合机器学习

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top