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3917004个,建议您升级VIP下载更多相关专利
  • [发明专利]蛋白复合物的识别方法-CN201610356036.2在审
  • 赵军民;魏新红;张凯;张芳芳;杨斌;娄鑫坡;孔玉静 - 河南城建学院
  • 2016-05-26 - 2016-10-12 - G06F19/18
  • 本发明公开一种蛋白复合物的识别方法,包括如下步骤:构建带权的蛋白相互作用网络,其中权值表示编码发生相互作用的蛋白对应基因的表达模式之间的相似度;基于上述带权的蛋白相互作用网络,识别蛋白复合物的核;基于核内蛋白与非核蛋白发生相互作用的数量多少和权重大小来为蛋白复合物的核识别附属蛋白;以及将识别出的核与识别出的附属蛋白进行组合,识别为蛋白复合物。本方法不仅考虑了蛋白复合物的内部结构,还要利用了编码相互作用蛋白基因共表达程度高的特性。因此,该方法不仅可以识别具有重叠结构的蛋白复合物,而且所识别的蛋白复合物反映了蛋白复合物的真实内部结构。
  • 蛋白质复合物识别方法
  • [发明专利]一种桂花肠及其制备方法-CN201510615499.1在审
  • 王秀芬 - 山东惠发食品股份有限公司
  • 2015-09-25 - 2015-12-23 - A23L1/315
  • 本发明公开了一种桂花肠,其特征在于,包括以下原料:鸡肉,TG酶,大豆分离蛋白粉,水,淀粉,盐,磷酸盐,糖,味精,香辛料,牛肉精粉,鸡肉香精。本发明还公开了上述添加TG酶的桂花肠的制备方法。本发明添加TG酶,可促进蛋白之间的交联反应,改善产品的质量,提高动物蛋白和植物蛋白利用,使所得产品肉感强、脆度高且营养丰富,充分满足了消费者的需求。
  • 一种桂花及其制备方法
  • [发明专利]用于免疫学分析的蛋白芯片-CN01105795.5有效
  • 张涛;彭永济;李宾;陈莹;任一萍;蔡其锋;李红梅 - 上海晶泰生物技术有限公司
  • 2001-03-28 - 2004-07-28 - G01N33/543
  • 本发明涉及一种用于免疫学分析的蛋白芯片,利用高速全自动点样机器人把蛋白样品点阵于经化学处理过的载玻片上,蛋白通过化学键连接于载玻片上而被固定,载玻片经过戊二醛处理使其表面带有活性醛基基团,醛基与氨基发生缩合反应并形成共价键连接,使蛋白样品固定于载玻片上。蛋白样品的点样阵列设计成方阵阵列,每个阵列布有蛋白样品点阵,将分析过程集成于芯片表面,利用荧光标记物对蛋白样品分子进行标记,最后利用芯片荧光扫描分析系统对蛋白样品进行检测分析。本发明以多点阵形式能对多样本多指标的蛋白样品进行并行检测分析。
  • 用于免疫学分析蛋白质芯片
  • [发明专利]一种基于多损失训练的蛋白残基接触预测方法-CN202110764396.7在审
  • 李章维;王晓飞;胡安顺 - 浙江工业大学
  • 2021-07-06 - 2021-10-29 - G16B20/00
  • 一种基于多损失训练的蛋白残基接触预测方法,首先,输入待进行蛋白残基接触预测的蛋白序列;然后,从PDB库中收集已知蛋白结构的蛋白,并搜索序列库,得到MSA;再利用协方差矩阵表示蛋白序列残基的进化信息,并在处理协方差矩阵奇异性时,利用矫正矩阵改变原有矩阵的不可逆,将协方差矩阵的逆矩阵作为神经网络的特征输入;其次,搭建深度神经网络框架,由于蛋白接触图具有的对称性,采用多输出形式的预测接触图计算不同的Loss,共同作用于训练模型但不参与测试,在数据集上学习预测模型;最后,将待进行蛋白残基接触预测的蛋白特征输入模型中,将得到该蛋白残基接触。
  • 一种基于损失训练蛋白质残基接触预测方法
  • [发明专利]一种基于深度学习的蛋白适应度预测方法-CN202211290871.2在审
  • 梁亦龙;戈其珺;舒坤贤 - 重庆邮电大学
  • 2022-10-21 - 2022-12-13 - G16B20/50
  • 本发明属于生命科学领域,具体涉及一种基于深度学习的蛋白适应度预测方法,包括:对目标蛋白进行多序列比对,并推断其进化耦合,并获取同源蛋白序列的局部进化表示;利用蛋白语言模型来获取目标蛋白的氨基酸特征;对目标蛋白的氨基酸序列进行位置嵌入表示,得到位置特征;将目标蛋白的局部进化表示和氨基酸特征与位置特征输入到混合神经网络模型中提取特征,将提取的特征通过全连接计算,得到蛋白适应度的预测结果值。本发明提出了一种新的混合神经网络,网络充分利用蛋白序列的局部进化信息和氨基酸特征信息,可以更有效的提取并学习蛋白序列数据,提高了预测精度。
  • 一种基于深度学习蛋白质适应预测方法

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