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4234832个,建议您升级VIP下载更多相关专利
  • [发明专利]用于发现中药活性成分及其作用靶点的网络药理学方法-CN201310054028.9有效
  • 黄剑平;范骁辉 - 浙江大学
  • 2013-02-20 - 2013-06-12 - G06F19/16
  • 本发明公开了一种用于发现中药活性成分及其作用靶点的网络药理学方法,包括:收集可用于构建训练集的化合物和蛋白,并根据化合物的分子结构和蛋白的氨基酸序列分别计算特征描述符;基于化合物和蛋白的特征描述符构建训练集,并使用机器学习方法建立化合物和蛋白相互作用的预测模型;对需要预测的中药,收集其已知的化合物成分,计算特征描述符并构建预测集;使用建立的模型对预测集进行预测,并把预测获得的相互作用结果高于给定阈值的化合物和蛋白用于构建网络;网络节点的连接数较大的化合物和蛋白即为潜在活性成分和作用靶点。本发明可以提高中药活性成分和作用靶点发现的准确率和效率。
  • 用于发现中药活性成分及其作用网络药理学方法
  • [发明专利]一种基于跨图注意力的蛋白相互作用点位预测方法-CN202211359901.0有效
  • 崔振;徐功平;张桐;许春燕 - 南京理工大学
  • 2022-11-02 - 2023-10-20 - G16B5/20
  • 本发明公开了一种基于跨图注意力的蛋白相互作用点位预测方法,步骤如下:S1、获取蛋白数据,对每一对蛋白分别构建一个表示残基关系的图结构;S2、对于步骤S1中构建的图,提取残基的生信特征构建节点特征矩阵;S3、对于步骤S1中构建的图,提取残基的空间特征构建图邻接特征矩阵;S4、对步骤S3构建的蛋白图通过图卷积神经网络进行图编码;S5、在步骤S4的基础上,对步骤S3构建的蛋白图进行跨图信息交互;S6、对步骤S5得到的节点特征进行堆叠,构成残基对特征;S7、将步骤S6得到的残基对特征送入分类器,预测该残基对是否发生了相互作用。本发明的预测方法,具有较强的表征能力和学习能力,在蛋白相互作用点位预测任务中获得了优异表现。
  • 一种基于注意力蛋白质相互作用预测方法
  • [发明专利]一种针对多视图数据融合的蛋白功能模块挖掘方法-CN201310545984.7在审
  • 贾克斌;张媛 - 北京工业大学
  • 2013-11-06 - 2014-02-05 - G06F19/24
  • 本发明属于数据挖掘领域,公开了一种针对多视图数据融合的蛋白功能模块挖掘方法。首先,量化多个数据源对蛋白相互作用的强弱描述,形成多视图数据;进而,利用本发明提出的聚合非负矩阵算法对多视图数据进行一致矩阵分解,通过得到对多视图信息的最优近似,确定蛋白的功能模块。本发明提出一种针对多视图数据融合的蛋白功能模块挖掘方法,着眼于同时分析多生物数据,包括基因共表达、GO注释和PPIN,从多视图中提取聚合特征最为一致的蛋白功能模块。本发明尤其适用于蛋白相互作用网络和生物数据,同时可应用于社交复杂网络、通讯网络的社区挖掘问题。
  • 一种针对视图数据融合蛋白质功能模块挖掘方法
  • [发明专利]蛋白虚拟筛选方法、装置、设备和存储介质-CN202211187823.0在审
  • 吴俊峰;金羽童;潘麓蓉 - 慧壹科技(上海)有限公司
  • 2022-09-28 - 2023-01-17 - G16B35/20
  • 本发明提供了一种蛋白虚拟筛选方法、装置、设备和存储介质,属于药物发现领域,方法包括:获取训练样本集,训练样本集包括源数据和与源数据对应的样本数据;以源数据为输入,以样本数据为验证,对Transformer模型进行无监督预训练,对蛋白序列和配体序列分别生成一维或者多维对称矩阵;将蛋白序列和配体序列的两个矩阵耦合成多维对称矩阵,将多维对称矩阵作为BiLSTM网络模型的隐含层的输入;采用BiLSTM网络模型拟合蛋白和小分子相互作用的实验测量分类和回归数值,得到训练好的筛选模型;利用筛选模型进行不同的蛋白预测任务进行预测,输出预测结果。通过本公开的处理方案,高效、快速、准确地对蛋白与药物小分子之间的相互作用关系进行预测。
  • 蛋白质虚拟筛选方法装置设备存储介质
  • [发明专利]一种预测未知小分子配体靶点的方法及应用-CN202111245650.9在审
  • 徐雪;商洪才;魏旭煦 - 魏旭煦
  • 2021-10-26 - 2022-01-21 - G16B15/30
  • 本发明公布了一种预测未知小分子配体靶点的方法及应用,先将具有相互作用且配体及蛋白片段类型相同的配体‑蛋白片段复合物归为一类,并基于蛋白片段结构叠合该类配体‑蛋白片段复合物,构建成该类的叠合模型,采用贝叶斯高斯混合模型对各类叠合模型的配体原子进行聚类,用表示出各类叠合模型中配体原子的空间分布,然后输入蛋白片段与未知小分子配体的结合构象数据,并分类后,根据蛋白片段与未知小分子配体每个原子之间的原子间距统计相互作用对数量,再基于上述空间分布的数据计算未知小分子配体与已求出的空间分布之间的距离,根据距离求出命中数N和命中率P,当N和P达到阈值时,判断蛋白片段为未知小分子配体的靶点。
  • 一种预测未知分子配体靶点方法应用
  • [发明专利]基于深度森林的蛋白-蛋白相互作用预测方法-CN202010021475.4有效
  • 于彬;陈成;张青梅;王磊;张岩 - 青岛科技大学
  • 2020-01-09 - 2023-06-13 - G16B20/00
  • 本发明公开了基于深度森林的蛋白蛋白相互作用预测方法,属于生物信息技术领域。所述方法融合伪氨基酸组成、自相关描述符、互信息描述符、组成、分布和转化描述符、氨基酸组成位置特异性得分矩阵和二肽组成位置特异性得分矩阵将蛋白序列转化为数值向量,融合蛋白对的序列信息、物理化学性质信息和进化信息作为样本的初始特征;使用弹性网进行特征选择,剔除冗余和不相关的特征;将融合后的最优特征向量输入到构建的多粒度级联深度森林中,预测蛋白蛋白相互作用。本发明简单有效,深度森林能够表征蛋白对的高水平特征信息,在训练集和测试集上的结果明显优于其它预测方法,可以为药物靶点预测和人类疾病治疗提供一定借鉴。
  • 基于深度森林蛋白质相互作用预测方法
  • [发明专利]一种基于位置序列矩阵的蛋白编码方法-CN202210649942.7在审
  • 王雪;赵小漫;金洲;胡宜敏;史杨;许桃胜;王儒敬 - 中科合肥智慧农业协同创新研究院
  • 2022-06-09 - 2022-09-16 - G16B30/20
  • 本发明提供了一种基于位置序列矩阵的蛋白编码方法,通过根据氨基酸其侧链的偶极性和体积,对所述氨基酸序列进行分类;构建序列矩阵以及位置矩阵;序列矩阵中每个元素用于指示蛋白序列中所有氨基酸两两组合的频数;位置矩阵用于指示任意两组氨基酸在蛋白序列中的位置信息;同时选择序列矩阵对角线以及对角线上面的值一起编码氨基酸序列数据,并增加一维序列长度的倒数作为序列矩阵编码的分量得以区分氨基酸序列长度,实现将氨基酸序列数据编码成特征向量通过将蛋白序列数据的位置信息和序列信息相结合对蛋白序列进行编码,能够充分获取蛋白特征信息,提高了蛋白相互作用识别的准确率,增强了蛋白相互作用预测算法的鲁棒性。
  • 一种基于位置序列矩阵蛋白质编码方法

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