“特征性蛋白”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果8818653个，建议您升级VIP下载更多相关专利

[发明专利]一种Exendin-4肽与人血清白蛋白HSA的融合蛋白及其制备方法-CN201210301654.9无效
发明人：杨建良;余传信;孟如杰;冯炜 -专利权人：无锡和邦生物科技有限公司
申请日： 2012-08-23 - 公布日： 2012-12-12 - 主分类号： C07K19/00 文献下载
摘要：一种Exendin-4肽与人血清白蛋白（HSA）的融合蛋白及其制备方法，属于长效重组融合蛋白药物技术领域。本发明涉及促胰岛素分泌肽（Exendin-4）与人血清白蛋白（HSA）的融合蛋白的制备方法及产品。该融合蛋白的特征是采用基因工程方法将单一Exendin-4肽与人血清白蛋白直接融合，中间无连接肽，形成稳定的长半衰期Exendin-4-HSA融合蛋白，用于非胰岛素依赖性糖尿病及肥胖症的治疗。
一种 exendin 血清白蛋白 hsa 融合蛋白及其制备方法

[发明专利]基于蛋白质三维结构进行化合物-蛋白质亲和力预测的方法和系统-CN202210828457.6在审
发明人：王绪化;郭滨杰;郑涵予;江昊翰 -专利权人：浙江大学
申请日： 2022-07-13 - 公布日： 2023-10-27 - 主分类号： G16B15/00 文献下载
摘要：本发明提供一种基于蛋白质三维结构进行化合物‑蛋白质亲和力预测的方法，包括以下步骤：S1，化合物特征提取步骤，利用深层图卷积网络和多头注意力算法，得到更新后原子特征和聚合节点特征；S2，蛋白质特征提取步骤，蛋白质的序列特征和结构特征通过特征聚合算法和共进化策略使序列特征代表更完整的蛋白质信息；S3化合物和蛋白质亲和力预测步骤，根据原子特征、聚合节点特征和序列特征得到预测亲和力值。本发明还公开相应的系统包括：化合物提取器，蛋白质提取器和亲和力预测器。本发明使用离散化距离矩阵和扭角矩阵作为蛋白质三维结构表征，引入共进化的更新机制更新蛋白质三维结构和序列之间的特征，并利用聚合节点特征提高亲和力预测精度。
基于蛋白质三维结构进行化合物亲和力预测方法系统

[发明专利]养鱼用饲料-CN201080013916.0有效
发明人：五藤刚志;福田康广;盐谷格;二阶堂英城;田中庸介;高坂妙子 -专利权人：日本水产株式会社
申请日： 2010-03-24 - 公布日： 2012-04-04 - 主分类号： A23K1/18 文献下载
摘要：本发明旨在提供具有优异的饲料供应稳定性和饲料保存性、并具有优异的摄饵性和饲料效率的养鱼用饲料。为此，本发明提供这样一种养鱼用饲料，其由外层和内层组成，其特征在于，构成所述外层的组合物具有5×104N/m2至1×106N/m2的断裂应力、0.4至1.0的凝集性(30％)和30％至80％的断裂应变。本发明还提供一种养鱼用饲料，其特征在于由外层和内层组成，其中，所述外层由包含蛋白质和/或淀粉的热诱导凝胶构建，所述内层由这样的组合物形成，该组合物含有以鱼粉和鱼油作为必需成分的营养成分。作为所述蛋白质，优选鱼糜、粉碎鱼肉、磷虾、明胶、胶原、谷蛋白、卵白蛋白和大豆蛋白。作为所述淀粉，优选木薯淀粉、小麦淀粉、马铃薯淀粉、玉米淀粉、豆类淀粉、蜡质玉米淀粉和这些淀粉的加工产物。
养鱼饲料

[发明专利]一种植物基蛋白冷冻充气乳液的制备方法-CN202110605725.3在审
发明人：蒋将;张文斌;聂云青;刘元法 -专利权人：江南大学
申请日： 2021-05-31 - 公布日： 2021-08-06 - 主分类号： A23G9/52 文献下载
摘要：本发明公开了一种植物基蛋白冷冻充气乳液的制备方法，其特征在于：包括如下步骤：植物蛋白的溶解、加入其他成分和油脂、分散制得粗乳液、加热灭菌、再次分散制得细乳液，冷冻进行老化。通过本发明提供的方法能够制备出膨胀率高、硬度高、冰沙感低，具有良好的保形性、抗融性的植物基蛋白冷冻充气乳液。
一种植物蛋白冷冻充气乳液制备方法

[发明专利]一种基于深度学习的蛋白质-配体结合位点预测方法-CN201910879922.7有效
发明人：夏春秋;杨旸;沈红斌 -专利权人：上海交通大学
申请日： 2019-09-18 - 公布日： 2022-02-11 - 主分类号： G16B15/30 文献下载
摘要：本发明公开了一种基于深度学习的蛋白质‑配体结合位点预测算法，对于待预测的蛋白质，首先提取其序列特征和距离矩阵，然后将序列特征通过滑动窗口方法分配到每个残基上，然后将残基所对应的特征逐个输入到残差神经网络和混合神经网络中，并将残差神经网络和混合神经网络的输出结果输入到Logistic回归分类器中，最终结果即为蛋白质中每个残基对应的结合概率。本发明将经典的双向长短时记忆网络和残差神经网络进行了融合，融合后的网络可以同时处理异构的蛋白质序列和结构数据，并挖掘出了序列特征和结构特征的互补性。
一种基于深度学习蛋白质结合预测方法

[发明专利]一种狂犬病病毒修饰性mRNA疫苗及其制备方法-CN202210180202.3在审
发明人：张梦玲;胡洋洋;金侠;范铁炯 -专利权人：上海赛伦生物技术股份有限公司
申请日： 2022-02-25 - 公布日： 2022-08-19 - 主分类号： C12N15/62 文献下载
摘要：本发明涉及生物医药技术领域，具体地说是一种狂犬病病毒修饰性mRNA疫苗及其制备方法。一种狂犬病病毒修饰性mRNA疫苗，其特征在于：所述的疫苗包括：用于表达狂犬病病毒优化的免疫原mRNA，所述的免疫原为G蛋白、G△TM蛋白、Gtrimer蛋白、M蛋白、Gtrimer蛋白和M蛋白的抗原组合；疫苗载体，所述的疫苗载体为可被mRNA利用的脂质体纳米颗粒。本发明的主要优点在于：（1）首次选择狂犬病病毒的G蛋白胞外域、G蛋白三聚体结构作为抗原研发由脂质体纳米颗粒包裹的修饰性mRNA疫苗；（2）首次研发基于表达M蛋白和G蛋白的mRNA疫苗联合免疫的狂犬病病毒疫苗
一种狂犬病病毒修饰 mrna 疫苗及其制备方法

[发明专利]检测乳腺癌特征蛋白的优化质谱模型及其制备方法和应用-CN200710111216.5无效
发明人：许洋;周云峰 -专利权人：许洋
申请日： 2007-06-18 - 公布日： 2008-12-24 - 主分类号： G01N33/68 文献下载
摘要：本发明涉及一种检测乳腺癌特征蛋白的优化质谱模型及其制备方法，属于质谱检测技术领域。本发明从血清中筛选出8个上调蛋白和3个下调蛋白作为特征蛋白，选取所述11个蛋白中任意两个或两个以上的蛋白，根据各蛋白质峰的质荷比m/z值及以该蛋白的临界峰值均值，建立了乳腺癌患者与正常人、乳腺良性疾病、乳腺癌淋巴结转移及乳腺癌远端转移患者两两鉴别的血清特征蛋白质谱模型；本发明为进一步发现新的乳腺癌生物标志提供了基础。本发明对于乳腺癌的检测优于目前所采用的任何单一检测方法，为乳腺癌的早期发现、早期治疗提供了一种非侵入性技术，从而为降低乳腺癌的病死率、提高乳腺癌的治愈率，并进一步为高危人群筛查乳腺癌提供了一种新方法。
检测乳腺癌特征蛋白优化模型及其制备方法应用

[发明专利]检测鼻咽癌特征蛋白的优化质谱模型及其制备方法和应用-CN200710111286.0无效
发明人：曾益新;许洋 -专利权人：许洋
申请日： 2007-06-21 - 公布日： 2008-12-24 - 主分类号： G01N33/68 文献下载
摘要：本发明涉及一种检测鼻咽癌特征蛋白的优化质谱模型及其制备方法，属于质谱检测技术领域。本发明从血清中筛选出6个上调蛋白和5个下调蛋白作为特征蛋白，选取所述11个蛋白中任意两个或两个以上的蛋白，根据各蛋白质峰的质荷比m/z值及以该蛋白的临界峰值均值M，建立了鼻咽癌患者与正常人、鼻咽良性疾病、鼻咽癌淋巴结转移、鼻咽癌远端转移患者两两鉴别的血清特征蛋白检测质谱模型；本发明为进一步发现新的鼻咽癌生物标志提供了基础。本发明对于鼻咽癌的检测优于目前所采用的任何单一检测方法，为鼻咽癌的早期发现、早期治疗提供了一种非侵入性技术，从而为降低鼻咽癌的病死率、提高鼻咽癌的治愈率，并进一步为高危人群筛查鼻咽癌提供了一种新方法。
检测鼻咽癌特征蛋白优化模型及其制备方法应用

[发明专利]用于诊断慢性阻塞性肺病急性加重期的试剂盒-CN201110150276.4有效
发明人：白春学;王向东;陈弘 -专利权人：复旦大学附属中山医院
申请日： 2011-06-07 - 公布日： 2011-11-23 - 主分类号： G01N33/68 文献下载
摘要：本发明涉及一种用于诊断慢性阻塞性肺病急性加重期的试剂盒，包括细胞因子及其酶标抗体，其特征在于，所述的细胞因子为白介素9、白介素18结合蛋白A、C-C序列配体28、人皮肤T细胞虏获趋化因子、β细胞素、单核细胞趋化蛋白-3、单核细胞趋化蛋白-4、进入T细胞的类淋巴毒素诱导蛋白、巨噬细胞源趋化因子、人骨髓抑制因子1、人巨噬细胞刺激蛋白、骨桥蛋白和人胸腺表达趋化因子。本发明首次提出上述细胞因子可成为慢性阻塞性肺病急性加重期诊断的主要指标。
用于诊断慢性阻塞肺病急性加重试剂盒

[发明专利]一种基于离子液体的功能性角蛋白复合纤维的制备方法-CN202210116311.9有效
发明人：袁久刚;赵攀;王应雪;徐进;娄江飞;范雪荣 -专利权人：江南大学
申请日： 2022-02-07 - 公布日： 2023-03-28 - 主分类号： D01F8/02 文献下载
摘要：本发明公开了一种基于离子液体的功能性角蛋白复合纤维的制备方法，其特征在于，将食用菌与动物毛发采用离子液体进行充分溶解，制备得到角蛋白与食用菌多糖蛋白混合的离子液体溶液，最后通过干喷湿纺工艺制备出具有亲肤、抗菌、抗衰老等保健功能的角蛋白复合纤维。该方法具有操作简单以及经济环保的特点，通过离子液体的高效溶解性，将食用菌菇中的菌多糖以及蛋白进行提取并与角蛋白均匀混合，最终为顺利纺丝奠定了基础，使自然界庞大的菌菇资源变废为宝。
一种基于离子液体功能角蛋白复合纤维制备方法

[发明专利]一种降低牛乳过敏蛋白免疫特性的方法-CN201410148144.1无效
发明人：陈红兵;李欣;白雨鑫;高金燕;龙伟;吴志华;杨安树;佟平 -专利权人：南昌大学
申请日： 2014-04-15 - 公布日： 2014-07-09 - 主分类号： C07K14/47 文献下载
摘要：一种降低牛乳过敏蛋白免疫特性的方法，其特征是按以下步骤：（1）用0.05M，pH6.8的磷酸盐缓冲液将β-乳球蛋白稀释成0.2mg/ml的蛋白溶液；（2）将步骤（1）配制好的β-乳球蛋白溶液分装于密闭的本发明实现了降低牛乳β-乳球蛋白的潜在致敏性的目的，经过超声波处理后β-乳球蛋白，通过竞争抑制性ELISA方法分析，其过敏原性显著降低，IgE的结合能力降低83.8%。
一种降低牛乳过敏蛋白免疫特性方法

[发明专利]重组蛋白的纯化方法-CN201780061276.2在审
发明人：本间俊将 -专利权人：丝芭博株式会社
申请日： 2017-10-03 - 公布日： 2019-06-04 - 主分类号： C07K1/14 文献下载
摘要：本发明公开了一种重组蛋白的纯化方法，其为从以不溶体的形式在细胞内表达目标重组蛋白的重组细胞中纯化所述重组蛋白的方法，其特征在于，在添加或未添加无机盐的第一非质子性极性溶剂中在来源于宿主细胞的蛋白质溶解、但所述重组蛋白不溶解的条件下对所述重组细胞进行处理，除去第一可溶性级分后，将所得到的第一不溶性级分在添加无机盐的第二非质子性极性溶剂中在所述重组蛋白溶解的条件下进行处理。
重组蛋白非质子性极性溶剂无机盐重组细胞溶解目标重组蛋白蛋白质溶解细胞内表达宿主细胞不溶性不溶

[发明专利]一种基于深度学习的蛋白质适应度预测方法-CN202211290871.2在审
发明人：梁亦龙;戈其珺;舒坤贤 -专利权人：重庆邮电大学
申请日： 2022-10-21 - 公布日： 2022-12-13 - 主分类号： G16B20/50 文献下载
摘要：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质适应度预测方法，包括：对目标蛋白质进行多序列比对，并推断其进化耦合，并获取同源蛋白质序列的局部进化表示；利用蛋白质语言模型来获取目标蛋白质的氨基酸特征；对目标蛋白质的氨基酸序列进行位置嵌入表示，得到位置特征；将目标蛋白质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，得到蛋白质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，网络充分利用了蛋白质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质序列数据，提高了预测精度。
一种基于深度学习蛋白质适应预测方法

[发明专利]基于动态图神经网络的关键蛋白质识别方法及装置-CN202310705504.2在审
发明人：王莉;王艳莉;李玉勇;孙世温 -专利权人：天津理工大学
申请日： 2023-06-14 - 公布日： 2023-09-12 - 主分类号： G06F18/24 文献下载
摘要：本申请提供了一种基于动态图神经网络的关键蛋白质识别方法及装置，所述方法包括：获取第一原始蛋白质数据，构建具有时间属性的动态蛋白质相互作用网络；对动态蛋白质相互作用网络进行随机游走采样，构建训练语料；利用训练好的图卷积神经网络模型，提取蛋白质节点的结构特征；将结构特征数据输入至预先训练好的长短期记忆网络模型中，输出得到蛋白质节点的时间特征；根据结构特征和时间特征，通过模式分类识别关键蛋白质。本申请将蛋白质相互作用图建模为动态图，并结合图卷积神经网络模型和长短期记忆网络模型学习动态图上蛋白质节点的结构特征和时间特征，能够更加高效的识别关键蛋白质。
基于动态神经网络关键蛋白质识别方法装置

[发明专利]用于同时多变量特征选择、特征生成和样本聚类的方法-CN201880072504.0在审
发明人： K·沃良斯基;N·迪米特罗娃 -专利权人：皇家飞利浦有限公司
申请日： 2018-10-23 - 公布日： 2020-06-19 - 主分类号： G16B40/30 文献下载
摘要：一种基因组/蛋白质组测试综合方法包括：接收包括对应于人的样本的基因组/蛋白质组数据集(12)，其中，每个样本包括根据针对对应的人的基因组/蛋白质组数据导出的一组特征中的特征的值。针对每个特征，执行单变量分析(30)以生成针对所述特征的样本密度对特征值数据集，其例如被表示为核密度估计(KDE)(52)。使用KDE在所述特征上执行多变量分析(32、34)以生成一组鉴别性特征(36、38)。在一个范例中，多变量分析(32)使用KDE的能量谱密度(ESD)特性。
用于同时多变特征选择生成样本方法