[发明专利]一种数据处理方法、装置、计算机设备和存储介质有效
| 申请号： | 202110065836.X | 申请日： | 2021-01-19 |
| 公开（公告）号： | CN112420124B | 公开（公告）日： | 2021-04-13 |
| 发明（设计）人： | 裴建国;刘伟;黄俊洲 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G16B15/20 | 分类号： | G16B15/20;G16B15/30;G16B20/00;G16B40/00;G16B50/00 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 熊永强;杜维 |
| 地址： | 518057 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种数据处理方法、装置、计算机设备和存储介质，该方法包括：获取参考蛋白物质的蛋白属性信息；参考蛋白物质包括蛋白调整区域；将蛋白属性信息输入蛋白预测模型，在蛋白预测模型中生成参考蛋白物质的蛋白调整区域处的预测蛋白片段；蛋白预测模型基于靶点蛋白物质训练得到；蛋白预测模型用于预测与靶点蛋白物质相结合的蛋白物质；在蛋白片段数据库中匹配预测蛋白片段的相似蛋白片段；对相似蛋白片段和参考蛋白物质进行虚拟合成，得到合成物质辅助信息；合成物质辅助信息用于辅助生成与靶点蛋白物质相结合的抗体蛋白物质。采用本申请，可提高获取抗体蛋白物质的效率。 | ||
| 搜索关键词： | 一种 数据处理 方法 装置 计算机 设备 存储 介质 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于腾讯科技（深圳）有限公司，未经腾讯科技（深圳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202110065836.X/，转载请声明来源钻瓜专利网。
- 上一篇：智能交互式人机对话系统
- 下一篇：区块链系统及其数据处理方法、装置和存储介质
- 同类专利
- 结构确定模型的训练方法、蛋白质结构的确定方法及装置-202310543152.5
- 吴家祥;吴凡迪 - 腾讯科技（深圳）有限公司
- 2023-05-15 - 2023-10-27 - G16B15/20
- 本申请公开了一种结构确定模型的训练方法、蛋白质结构的确定方法及装置，属于生物信息技术领域。方法包括：通过第一网络模型基于至少两条样本肽链的序列数据确定多对样本氨基酸的配对特征，一对样本氨基酸的配对特征表征两个样本氨基酸之间相互作用的强度。通过第一网络模型基于多对样本氨基酸的配对特征确定样本蛋白质的预测结构信息。基于实际结构信息和预测结构信息，对第一网络模型进行训练得到结构确定模型。通过多对样本氨基酸的配对特征反映样本肽链内部相互作用的强度和样本肽链之间相互作用的强度，实现了预测样本肽链的折叠方式和结合方式，从而实现预测样本蛋白质的结构信息，提高预测结构信息的准确性。
- 基于注意力机制及多粒度层级特征抗癌肽识别方法及系统-202310677933.3
- 拓守恒;朱燕玲 - 西安邮电大学
- 2023-06-09 - 2023-10-24 - G16B15/20
- 本发明构建了一种基于注意力机制和多粒度层级特征的抗癌肽识别方法及系统，该方法在抗癌肽识别技术领域具有重要意义。首先，通过迁移学习方式学习原子级别特征，揭示了以往工作中难以发现的潜在特征。其次，采用ChouFasman算法在氨基酸序列层提取过程中表示二级结构，增加了信息的丰富性，接下来，通过构建超图解决了现有技术无法捕获抗癌肽序列高阶结构相似性问题，并通过注意机制学习子序列对整体序列的重要性，最后，将多粒度层级特征融合，使模型能够全面理解和描述抗癌肽序列的特征。这项发明为抗癌肽的发现和设计提供了更准确和全面的分析工具，可以为抗癌药物研发做出贡献。
- 基于图神经网络训练蛋白质预测模型的方法及装置-202311198677.6
- 张强;王泽元;陈华钧 - 浙江大学杭州国际科创中心
- 2023-09-18 - 2023-10-24 - G16B15/20
- 本发明公开了基于图神经网络训练蛋白质预测模型的方法，该方法包括：将蛋白质对应的真实结构和真实序列共同作为第一训练样本，得到第一训练样本数据集；针对第一训练样本：利用图神经网络对第一训练样本中真实结构进行编码处理，得到预测的性质序列；基于序列解码器对预测的性质序列进行解码处理，得到蛋白质的预测序列；通过最小化预测的性质序列和真实性质序列之间的余弦距离，以及蛋白质的预测序列和真实序列之间的负对数似然构建第一损失函数，生成第一模型参数；基于若干个第一模型参数调节图神经网络的超参数，生成结构编码器。由此，能够实现基于结构的蛋白质从头设计，解决了现有技术中无法基于语言模型实现蛋白质逆折叠生成的问题。
- 一种蛋白质功能预测模型生成方法及装置-202310581243.8
- 李君一;焦沛舜;王贝贝;王轩;刘博;王亚东 - 哈尔滨工业大学（深圳）（哈尔滨工业大学深圳科技创新研究院）
- 2023-05-22 - 2023-10-13 - G16B15/20
- 本发明公开了一种蛋白质功能预测模型生成方法及装置，包括获取训练蛋白质的氨基酸三维原子坐标，并根据其进行图论方法生成蛋白质二维接触图；对训练蛋白质的氨基酸三维原子坐标进行算法处理获取第一特征矩阵，对蛋白质二维接触图进行算法处理获取第二特征矩阵，第一特征矩阵与训练蛋白质的氨基酸三维原子坐标中序列作用位点对应，第二特征矩阵与训练蛋白质的氨基酸三维原子坐标中结构作用折叠结构对应；根据第一特征矩阵和第二特征矩阵分别对应的数据标签训练预先构建的蛋白质功能分类器，得到蛋白质功能预测模型。通过将训练蛋白质的氨基酸结构和序列作为信息源提取特征，提高了预测模型对蛋白质功能的预测精度。
- 基于机器学习的单序列蛋白结构预测的方法和系统-202210945251.1
- 许锦波;井晓阳;吴凡迪 - 北京分子之心科技有限公司
- 2022-08-08 - 2023-10-10 - G16B15/20
- 本发明属于生物信息学技术领域，提供基于机器学习的单序列蛋白结构预测的方法和系统。所述系统包括氨基酸编码模块、改进的Evoformer模块和结构生成模块。首先，基于氨基酸编码模块获得蛋白质氨基酸编码和序列对的初始编码，氨基酸编码模块中整合多预训练蛋白质语言模型；其次，基于改进的Evoformer模块对氨基酸编码和氨基酸对编码进行迭代更新；最后，结构生成模块基于更新后的氨基酸编码和氨基酸对编码预测蛋白质结构，并预测置信分数。本发明能仅基于蛋白质序列进行结构预测，不需同源序列搜索步骤，极大地提升蛋白质结构预测速度，同时可对孤儿蛋白等缺乏同源进化信息的蛋白质进行结构预测，有利于蛋白质结构预测的大规模应用。
- 特征量计算方法、筛选方法、以及化合物创建方法-201880067748.X
- 津村享佑;大平诗野;中林淳;武井瑞希 - 富士胶片株式会社
- 2018-10-03 - 2023-10-10 - G16B15/20
- 本发明提供一种能够计算出准确表示对象结构体的化学性质的特征量的特征量计算方法、能够使用特征量来有效进行医药候选化合物的筛选的筛选方法、及能够使用特征量来有效创建医药候选化合物的立体结构的化合物创建方法。对象结构体的化学性质被表示为对象结构体与其周围的探针之间的相互作用的结果，因此在对象结构体彼此之间探针的聚集程度(特征量)相似是表示这些对象结构体的化学性质相似的情况。因此，通过本发明的一方式所涉及的特征量计算方法，能够计算出准确表示对象结构体的化学性质的特征量。
- 一种蛋白质自由能变预测模型的处理方法和装置-202310841986.4
- 温翰;郭律均;陈陟原;王沁蕊;张林峰;孙伟杰 - 北京深势科技有限公司
- 2023-07-10 - 2023-10-03 - G16B15/20
- 本发明实施例涉及一种蛋白质自由能变预测模型的处理方法和装置，所述方法包括：构建自由能变预测模型；构建第一、第二数据集；基于第一数据集对蛋白质结构特征识别模块进行预训练；预训练结束则在固化蛋白质结构特征识别模块模型参数的前提下基于第二数据集对自由能变预测模型进行训练；模型训练结束后接收模型选型标识、模型应用模式和模型应用数据；并根据模型选型标识对自由能变预测模型进行模型参数配置；模型应用模式为第一模式则进行单序列自由能变预测和稳定性等级评估；模型应用模式为第二模式则进行多序列自由能变预测、稳定性等级评估和多序列稳定性排序。通过本发明可提高自由能变的预测准确度。
- 一种用于确定抗体序列结构的方法与设备-202310833816.1
- 井晓阳;许锦波 - 北京分子之心科技有限公司
- 2023-07-07 - 2023-10-03 - G16B15/20
- 本申请的目的是提供一种用于确定抗体序列结构的方法与设备，该方法包括：基于深度自注意力变换网络架构，利用第一蛋白质序列，训练蛋白质语言模型；基于蛋白质语言模型，以及第二蛋白质序列与对应的蛋白质结构信息，训练蛋白质结构预测模型；再在蛋白质结构预测模型的基础上，利用抗体序列与对应的抗体结构信息，训练抗体结构预测模型；并利用该抗体结构预测模型，确定相应的抗体结构预测信息。本申请利用蛋白质语言模型，先训练通用的蛋白质结构预测模型再结合抗体结构对该模型进行调整，确定相应的抗体结构预测模型来进行抗体结构的预测，从而减少对抗体样本的数量需求、提升抗体结构预测模型的泛化性、提高结构预测准确性和效率。
- 一种基于混合深度学习模型的蛋白质结构预测方法-202310253172.9
- 张步忠;江健生;陈义仁 - 安庆师范大学
- 2023-03-16 - 2023-10-03 - G16B15/20
- 本发明涉及人工智能技术领域，公开了一种基于混合深度学习模型的蛋白质结构预测方法，包括如下步骤：步骤一、获取氨基酸序列信息；步骤二、获取序列表示向量，并且获取残基标签；步骤三、将序列表示向量以及残基标签输入训练好的混合深度学习模型中进行计算；步骤四、获取序列特征结构信息。本发明提出的深度学习预测方法，混合使用卷积神经网络、双向递归神经网络和多头注意力网络，能更好地感知蛋白序列局部特性和序列长范围特性，可同时预测多种蛋白结构特征。本装置计算资源需求低，可部署在边缘计算设备上。
- 基于改进生物地理学优化算法的多序列比对方法及系统-202111617555.7
- 张庆科;邱璇;汪玉成;高昊;卜降龙;张化祥;刘丽;李俊青;刘冬梅;高保忠;周田羽;安锐 - 山东师范大学
- 2021-12-27 - 2023-09-29 - G16B15/20
- 本发明提供了一种基于改进生物地理学优化算法的多序列比对方法及系统，包括：数据采集模块，被配置为：获取原始多序列数据；对比模块，被配置为：依据原始多序列数据，以及预设的隐马尔科夫模型，得到比对结果；其中，所述隐马尔科夫模型中，将每一个栖息地看作是一条隐马尔科夫链，利用改进生物地理学优化算法优化所述隐马尔科夫模型中存在的参数；本发明针对基因多序列比对问题，在HMM模型中，每一个栖息地看作是一条隐马尔科夫链；然后利用改进的算法MPBBO优化HMM模型中存在的参数，不断提高比对的精度；改进的MPBBO算法具有较强的全局探索能力、局部开发能力和收敛速度较快的特点；能获得较为精确的基因序列比对结果。
- 基于蛋白三维结构和图神经网络的免疫原预测系统及方法-202310479207.0
- 宰晓东;赵云祥;徐俊杰;任洪广;陈薇 - 中国人民解放军军事科学院军事医学研究院
- 2023-04-28 - 2023-09-26 - G16B15/20
- 本发明公开了一种基于蛋白三维结构和图神经网络的免疫原预测系统及方法。所述系统包括：（1）三维结构特征提取模块；（2）免疫原结构数据集处理模块；（3）机器学习分类器模块；（4）自动预测输出模块。所述系统将蛋白三维结构信息和图神经网络、蛋白质语言模型等人工智能算法运用于新型疫苗免疫原的发现领域，克服了传统仅基于一维氨基酸序列特征开展免疫原预测导致的局限，实现普适（适用于细菌、病毒、寄生虫等）、高精度的免疫原预测，所述该方法有助于新型疫苗的高效研发。
- 用于预测蛋白质复合物结构的方法、设备、介质及程序产品-202310431117.4
- 许锦波 - 北京分子之心科技有限公司
- 2023-04-20 - 2023-09-15 - G16B15/20
- 本申请的目的是提供用于预测蛋白质复合物结构的方法、设备、介质及程序产品，该方法包括从蛋白质序列数据库中查询获取目标蛋白质复合物的所有单链MSA，其中，每个单链MSA对应所述目标蛋白质复合物的一个成分链；基于蛋白质语言模型匹配所有单链MSA里面的蛋白质序列，以产生目标蛋白质复合物的MSA；将所述目标蛋白质复合物的MSA输入深度学习模型以获得所述目标蛋白质复合物的预测结构，有效提高蛋白质复合物结构预测的准确性和计算效率。
- 调控细菌形状的候选基因的鉴定方法、装置、设备和介质-202310714738.3
- 韩国民;刘齐;许闯闯;胡顺利 - 安徽农业大学
- 2023-06-15 - 2023-09-08 - G16B15/20
- 本申请涉及一种调控细菌形状的候选基因的鉴定方法、装置、设备和介质。方法包括：获取细菌参考基因组数据，对细菌参考基因组数据进行蛋白质结构域解析；根据解析后得到的每一个细菌的全部蛋白质的结构域，确定特征值数据集；获取各细菌的形状信息；根据各细菌的形状信息以及特征值数据集训练细菌形状预测模型，并根据细菌预测模型确定各蛋白质结构域对细菌形状的影响权重；根据各影响权重，确定调控细菌形状的候选基因。采用本方法能够快速筛选出调控细菌形状的候选基因，建立了挖掘生物功能基因的新方法。
- 一种多肽抗癌功能识别方法、系统、介质及设备-202110906681.8
- 魏乐义;何文嘉;崔立真;苏苒 - 山东大学
- 2021-08-09 - 2023-09-05 - G16B15/20
- 本发明属于生物信息技术领域，提供了一种多肽抗癌功能识别方法、系统、介质及设备。其中，该识别方法包括获取多肽序列；将多肽序列输入至训练完成的多肽药物抗癌功能预测器中，得到多肽是否具有抗癌功能；其中，多肽药物抗癌功能预测器包括嵌入层、编码层和任务特定层，所述嵌入层用于将接收的多肽序列的每个残基转换为低维密集向量且以矩阵的形式输出；所述编码层用于从嵌入层输出的矩阵中捕获每个残差嵌入向量在不同位置的上下文，并学习抗癌肽的鉴别特征，输出特征矩阵；所述任务特定层用于根据特征矩阵来判断多肽序列属于抗癌肽的概率。
- 一种蛋白质逆向折叠设计方法、电子设备-202310724735.8
- 伊锴;周冰心;沈逸卿;王宇光 - 上海途深智合人工智能科技有限公司
- 2023-06-19 - 2023-09-01 - G16B15/20
- 本发明公开了一种蛋白质逆向折叠设计方法，该方法包括构建蛋白质氨基酸序列预测模型。蛋白质氨基酸序列预测模型基于扩散概率模型，即利用离散去噪扩散概率模型的扩散过程和去噪过程对于蛋白质的氨基酸分布进行建模。蛋白质氨基酸的特征数据包括氨基酸类型、理化性质、三维坐标、在氨基酸序列上的相对距离。蛋白质氨基酸序列预测模型的构建步骤包括蛋白质数据准备、蛋白质结构表示成蛋白质图、对图节点定义扩散去噪生成过程。对于图节点定义扩散过程，即对蛋白质的氨基酸序列中的每个氨基酸节点定义一个扩散过程，通过一个预定义的转移概率矩阵来实现，该矩阵描述了从一个氨基酸类型到另一个氨基酸类型的转移概率。
- 一种蛋白质结构的预测方法及相关装置-202310400042.3
- 刘思睿;楚浩田;倪宁曦;高毅勤;王紫东;韦佳辰;谢豫豪;牟方菁;李俊彬;王程浩 - 北京昌平实验室;华为技术有限公司
- 2023-04-13 - 2023-09-01 - G16B15/20
- 一种蛋白质结构的预测方法，应用于人工智能技术领域。在该方法中，通过基于对蛋白质结构进行检测得到的实验数据，提取得到蛋白质结构的约束信息，该约束信息能够指示蛋白质在结构上所满足的约束关系，并将约束信息和蛋白质的氨基酸序列共同作为神经网络模型的输入，执行蛋白质结构的预测，能够实现利用约束信息辅助模型预测蛋白质结构，提高模型预测得到的蛋白质结构的精度。并且，由于本方案是通过模型来实现蛋白质结构的预测，无需人工参与，能够有效地提高蛋白质结构预测的效率。
- 蛋白质的生成方法、装置、电子设备及存储介质-202211084612.4
- 向颖飞;方晓敏;王凡 - 北京百度网讯科技有限公司
- 2022-09-06 - 2023-09-01 - G16B15/20
- 本公开提供了蛋白质的生成方法、装置、电子设备及存储介质，涉及数据处理技术领域，尤其涉及人工智能、蛋白设计和生物计算领域。具体实现方案为：基于目标蛋白生成候选蛋白；将候选蛋白输入基于单序列的蛋白结构预测模型，得到候选蛋白的结构信息；基于候选蛋白的结构信息和目标蛋白的结构信息，对候选蛋白进行质量评估，得到候选蛋白的质量评估结果；在候选蛋白的质量评估结果满足评估标准的情况下，确定候选蛋白为最终生成的合格蛋白。本公开提供了一套高效准确的蛋白质设计方案。
- 基于原子节点与网络约束模型解析蛋白结构刚性弱点的方法和装置-202310709472.3
- 易吉辉;李铎;许春莲 - 深圳新锐基因科技有限公司
- 2023-06-14 - 2023-08-29 - G16B15/20
- 本申请涉及一种基于原子节点与网络约束模型解析蛋白结构刚性弱点的方法和装置。该方法包括：获取目标蛋白分子的第一晶体结构；对第一晶体结构进行自由能极小化模拟，获得能量极小化晶体结构；构建能量极小化晶体结构的原子节点与网络约束模型；对原子节点与网络约束模型进行热解折叠分子动力学模拟，直至原子节点与网络约束模型处于运动平衡状态；对处于运动平衡状态的原子节点与网络约束模型进行解析，并得到解析结果；根据解析结果，找出目标蛋白分子中的刚性薄弱区域。本申请提供的方案，能够计算出蛋白结构的刚性弱点，寻找出更合适的改构位点或区域，从而能对蛋白进行针对性的突变，以提高蛋白质分子的稳定性。
- 一种基于多肽长度的短肽组学鉴定方法及其应用-202210151752.2
- 徐巨才;黄峻洪;陈雅君;严嘉慧;梁姚顺;陈静;刘万顺;范丽琪;江桂玲 - 五邑大学
- 2022-02-18 - 2023-08-29 - G16B15/20
- 本发明公开了一种基于多肽长度的短肽组学鉴定方法及其应用。本发明的基于多肽长度的短肽组学鉴定方法能够对指定多肽长度范围内的所有多肽片段进行例举，再逐个生成理论一级母离子和二级子离子，并不断与样品中物质所采集到的实际离子谱图数据进行比对，将符合匹配要求的多肽与相应物质进行关联，最终实现样品中物质多肽序列结构的鉴定。该方法可完全不依赖蛋白质序列数据库，直接对蛋白质酶解产物进行无死角、无遗漏式的检索和鉴定，同时，该方法对短肽采用完全匹配的评价方式，鉴定结果准确性强、可信度高，可充分弥补当下蛋白质组学分析方法和工具的不足。本发明对于提升多肽组学分析技术水平和促进行业发展具有重要意义。
- 肌原纤维蛋白分子构象变化评价方法-202310061030.2
- 李川;陆姗姗;裴志胜 - 海南大学;海南大学三亚研究院
- 2023-01-17 - 2023-08-15 - G16B15/20
- 本发明涉及生物构象评价技术领域，具体提供一种肌原纤维蛋白分子构象变化评价方法，包括：提取肌原纤维蛋白；将提取的肌原纤维蛋白置于不同条件下配置成溶液,进行光谱测定，得到光谱学结果；通过同源建模得到肌原纤维蛋白结构；进行分子动力学模拟；模拟结束后分析弹道，对模拟结果进行二级结构分析、可视化分析、表面静电势和表面疏水性；将光谱学结果和分子动力学结果进行对比验证，评价肌原纤维蛋白分子构象变化。结果表明拟合效果好，弥补了现有实验手段对于肌原纤维蛋白理解的不足，为分析和探究肌原纤维蛋白构象变化提供了参考。
- 一种蛋白质生成的方法及相关设备-202310645923.1
- 黄楚天;熊袁鹏;刘子敬;幺宝刚 - 粤港澳大湾区数字经济研究院（福田）
- 2023-06-01 - 2023-08-04 - G16B15/20
- 本发明涉及生物制药技术领域，尤其涉及一种蛋白质生成的方法及相关设备。该方法包括步骤：获取蛋白质的结构数据和/或序列数据；利用所述蛋白质的结构数据和/或序列数据计算得到负归一化泊松经验场，训练神经网络学习所述负归一化泊松经验场，得到泊松流生成模型；根据所述泊松流生成模型，生成新的蛋白质。本发明提出了基于泊松流生成模型对蛋白质结构和序列进行生成的人工智能方法，该方法所生成的二面角与键角可以反映自然的二级构象，生成的序列符合蛋白质序列内在表达，并不是简单地生成与自然界中存在的序列“相似”的序列。此外，本发明的泊松流生成模型能够生成长度可变的蛋白质。
- 一种通过序列预测抗体上结合位点的深度学习方法-202011269669.2
- 杨跃东;张磐 - 中山大学
- 2020-11-13 - 2023-08-01 - G16B15/20
- 本发明涉及抗体结合位点预测领域，具体提供一种通过序列预测抗体上结合位点的深度学习方法，包括如下步骤：获取抗体上若干个高变区，将若干个高变区串连为一条高变区序列，在不同的高变区序列之间加入一种未知类型的氨基酸作为区分标识；所述的高变区序列中每个氨基酸的特征包括词嵌入特征、额外特征；将词嵌入特征和额外特征合并得到最后的特征矩阵，并将特征矩阵输入神经网络模型；所述的神经网络模型采用双向长短期记忆网络与transformer编码器学习高变区序列信息以及不同高变区之间的相互作用信息，预测抗体结合位点。本发明能通过学习不同高变区之间的相互作用信息，准确地预测抗体结合位点。
- 基于生成模型与计算化学的新型乙肝病毒衣壳组装调节剂从头设计与虚拟筛选方法-202310736846.0
- 克里斯托夫布奇;熊有金;王毅庆 - 南京大学
- 2023-06-21 - 2023-07-28 - G16B15/20
- 本发明公开了基于生成模型与计算化学的新型乙肝病毒衣壳组装调节剂从头设计与虚拟筛选方法，包括以下步骤：预测HBV全长野生型核心衣壳蛋白二聚体结构；使用预训练的GENTRL生成模型生成候选小分子数据库；利用类药五原则结合结构相似性进行骨架跃迁筛选；筛选结合模式优异的小分子；计算小分子与HBV衣壳蛋白的结合自由能，筛选具有抗HBV活性的衣壳组装调节剂。本发明通过骨架跃迁、分子对接和基于分子动力学模拟的衣壳蛋白稳定性分析，筛选有效的信息HBV衣壳组装调节剂，有效生成了新的分子，增加了候选分子化学空间分布，通过CTD稳定性分析，能够更精准的捕捉潜在的衣壳组装调节剂，显著加速先导化合物的发现速度。
- 基于残基坐标系的距离信息引导折叠蛋白质结构预测方法-202310216004.2
- 张贵军;朱海涛;夏瑜豪;汪乾梁;张金龙;周晓根 - 浙江工业大学
- 2023-03-08 - 2023-07-25 - G16B15/20
- 一种基于残基坐标系的距离信息引导折叠的蛋白质结构预测方法，首先，根据需要预测蛋白质结构的序列信息从AlphaFold2服务器获取蛋白质的主干局部信息；然后，根据预测的序列信息从从ROBETTA在线服务器上得到3片段和9片段的片段库文件；接着，以每个残基的C
- 蛋白质三维结构预测方法及系统-202310431274.5
- 苗洪江;汤一珂;曹嵩;薛贵荣 - 上海天壤智能科技有限公司
- 2023-04-20 - 2023-07-18 - G16B15/20
- 本发明提供了一种蛋白质三维结构预测方法及系统，包括：步骤S1：获取蕴含蛋白质共进化信息的多序列排列矩阵以及蛋白质模板，并进行MSA序列与残基对编码的转换，获得MSA序列编码与残基对编码；步骤S2：MSA序列编码与残基对编码通过循环注意力神经网络进行更新生成最新MSA序列编码与残基对编码；步骤S3：基于当前残基对编码、目标序列编码以及起始主链框架T
- 基于模糊聚类和基因本体语义相似性的可重叠蛋白质复合物识别方法和系统-202110752082.5
- 胡伦;潘翔宇;周喜;蒋同海;苏小芮 - 中国科学院新疆理化技术研究所
- 2021-07-03 - 2023-07-14 - G16B15/20
- 本发明提出了一种基于模糊聚类和基因本体语义相似性的可重叠蛋白质复合物识别方法和系统，包括网络构建模块、数据预处理模块、参数定义模块、模型构建模块、模型求解模块、蛋白质复合物识别模块以及结果展示模块，通过综合考量蛋白质相互作用网络中蛋白质间的相互作用关系和蛋白质间的基因本体语义相似性来实现蛋白质复合物识别。本发明直接作用于蛋白质相互作用网络，能够识别网络中的可重叠蛋白质复合物，效果准确度高，能够有效解决蛋白质相互作用网络中的蛋白质复合物识别问题。
- 用于蛋白质检测的荧光探针的设计方法-202310409294.2
- 佟斌;张凯;戴双雄;董宇平;石建兵;蔡政旭 - 北京理工大学
- 2023-04-17 - 2023-07-07 - G16B15/20
- 本发明涉及荧光化学传感器技术领域，尤其是涉及一种用于蛋白质检测的荧光探针的设计方法。包括如下步骤：(a)获取目标蛋白质的PDB文件；计算目标蛋白质的空腔尺寸；(b)确定AIE基元，并在所述AIE基元上修饰亲水性基团和/或疏水性基团，得到一系列AIE分子；(c)计算出各个AIE分子结构能量最低的构型及相应尺寸；筛选出符合进入目标蛋白质空腔的要求的AIE分子；(d)将筛选出的AIE分子与所述目标蛋白质进行分子对接，通过分子对接结果对AIE分子的结构进行调整，设计出用于蛋白质检测的荧光探针。本发明可以实现根据特定蛋白质“定制”对该蛋白质有响应的荧光探针。
- 一种环状RNA编码潜能的预测方法和系统-202310234212.5
- 孙亮;范丽媛;李冕;周新源 - 山东第一医科大学（山东省医学科学院）;山东大学齐鲁医院
- 2023-03-09 - 2023-06-30 - G16B15/20
- 本说明书实施例提供一种环状RNA编码潜能的预测方法和系统。环状RNA编码潜能的预测方法包括：获取目标环状RNA；确定目标环状RNA上的编码潜能区域HPCR；确定目标环状RNA的特征，该特征包括HPCR相关特征和目标环状RNA的序列相关特征；基于目标环状RNA的特征，利用训练好的环状RNA编码潜能预测模型确定目标环状RNA的编码潜能。
- 一种基于消息传递神经网络的蛋白质设计方法-202310215989.7
- 张贵军;汪辉;刘栋;崔新月;韩天煜;周晓根 - 浙江工业大学
- 2023-03-08 - 2023-06-23 - G16B15/20
- 一种基于消息传递神经网络的蛋白质设计方法，包括以下步骤：1)数据集的构建；2)提取骨干原子并计算C
- 一种基于等变图神经网络的刚体蛋白质对接方法-202310215997.1
- 张贵军;韩天煜;彭春祥;汪辉;费自强;周晓根 - 浙江工业大学
- 2023-03-08 - 2023-06-23 - G16B15/20
- 一种基于等变图神经网络的刚体蛋白质对接方法，从蛋白质生物单元biounit库中构建蛋白—蛋白复合物数据集，划分测试集、验证集和训练集。制作标签数据，并构建复合物中受体和配体的几何图，确定其节点和边以及其特征。将图送入等变图匹配网络进行信息传递和多头注意力网络预测出关键点，计算出R和t，对接得到复合物三维结构。损失函数为均方误差MSE，反向传播更新模型参数。本发明提供一种运行速度快、预测精度高的的基于等变图神经网络的刚体蛋白质对接方法。
- 专利分类
