一种基于多视角学习的蛋白质溶剂可及性预测方法.pdf

基于深度学习的蛋白质-蛋白质相互作用关系预测方法.docx 基于深度学习的蛋白质-蛋白质相互作用关系预测方法 一、引言 蛋白质-蛋白质相互作用（Protein-ProteinInteractions，PPIs）是生物体内复杂生命活动的重要基础，对于理解细胞功能、疾病机制和药物开发等方面具有极其重要的意义。然而，由于实验方法的限制和实验成本的昂贵，我们难以直接测量出所有的蛋白质相互作用关系。因此，通过计算方法预测蛋白质-蛋白质相互作用关系变得尤为重要。近年来，随着深度学习技术的发展，基于深度学习的蛋白质-蛋白质相互作用关系预测方法逐渐成为研究热点。本文旨在探讨基于深度学习的蛋白质-蛋白质相互作用关系预测方法，以期为相关研究提供参考。二、深度学习在蛋白质

2025-05-02 约5.02千字 10页立即下载

一种基于循环网络的蛋白质与蛋白质相互作用预测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112837742 A (43)申请公布日 2021.05.25 (21)申请号 202110086831.5 (22)申请日 2021.01.22 (71)申请人浙江

2023-06-03 约2.27万字 10页立即下载

一种基于集成学习的RNA-蛋白质结合位点预测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882945 A (43)申请公布日 2022.08.09 (21)申请号 202210807909.2 (22)申请日 2022.07.11 (71)申请人鲁东大学地址 264025 山东

2023-05-16 约5.02千字 6页立即下载

蛋白质相对溶剂可及性与相互作用位点的计算建模研究.pdf 蛋白质相对溶剂可及性与相互作用位点的计算建模研究中文摘要 蛋白质相对溶剂可及性与相互作用位点的计算建模研究中文摘要 蛋白质是生命活动的物质基础，其与外界分子的相互作用是实现多种生物功能的关键途径，这样的相互作用多发生在蛋白质表面相对暴露于外界溶剂的区域，即相对溶剂可及性较大的区域。因此测量蛋白质位点的相对溶剂可及性和识别相互作用位点对蛋白质功能理解和药物研发等方面有重要意义。生物实验方法存在成本高和周期长

2025-02-15 约11.68万字 89页立即下载

基于直推学习的蛋白质亚细胞定位预测预处理方法.doc 基于直推学习的蛋白质亚细胞定位预测预处理方法# 曹隽喆，顾宏** 5 10 15 20 25 30 35 40 （大连理工大学控制科学与工程学院，大连 116023）摘要：本文提出一种新的蛋白质亚细胞定位预测预处理方法，用于预先鉴定待测蛋白质具有单定位点还是多定位点。基于直推学习技术，该方法同时利用待测蛋白质和已知蛋白质的信息来估计每个待测蛋白质的亚细胞位置数量，从而识别并区分单定位点和多定位点蛋白质，并且利用相应的单标签或多标签分类器来处理各个待测蛋白质以取得高精度的预测结果。该 方法的性能在三组蛋白质序列数据集上经行了测试，仿真实验表明本文的方法能有效鉴别出单定位

2017-09-10 约1.12万字 7页立即下载

基于深度学习的蛋白质-RNA结合残基预测方法研究.pdf 摘要 蛋白质-RNA相互作用是细胞内许多生物学过程的关键组成部分，包括转录、翻译、修饰和转运等。这种相互作用在细胞内的调控和功能执行中起着至关重要的作用，因此对其进行深入研究具有重要意义。在蛋白质和RNA之间的相互作用界面上，存在部分对于结合自由能变化起关键作用的氨基酸残基，通过与RNA分子的特定区域相互作用，促进或稳定蛋白质与RNA的结合，这部分残基被称为结合残基。因此，对结合残基的研究和分析在

2025-04-07 约7.58万字 52页立即下载

基于深度学习的蛋白质N端乙酰化位点预测方法研究.docx 基于深度学习的蛋白质N端乙酰化位点预测方法研究一、引言 蛋白质的翻译后修饰（Post-translationalmodifications,PTMs）是生命体内重要的生物过程之一，其中N端乙酰化是一种常见的修饰方式。N端乙酰化对蛋白质的稳定性和功能具有重要影响，因此对蛋白质N端乙酰化位点的预测研究具有重要意义。近年来，随着深度学习技术的发展，其在生物信息学领域的应用越来越广泛，特别是在蛋白质序列分析、结构预测等方面取得了显著的成果。本文旨在研究基于深度学习的蛋白质N端乙酰化位点预测方法，以期为相关研究提供参考。二、蛋白质N端乙酰化概述 蛋白质N端乙酰化是一种常见的蛋白质翻译后修饰方式，它发

2025-05-28 约5.64千字 11页立即下载

一种基于深度学习的蛋白质质谱数据的分析方法及系统.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113362899 A (43)申请公布日 2021.09.07 (21)申请号 202110425032.6 (22)申请日 2021.04.20 (71)申请人厦门大学地址 36

2023-06-20 约1.91万字 19页立即下载

一种基于深度学习特征提取的胃癌蛋白质组学分型框架识别方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114550831 A (43)申请公布日 2022.05.27 (21)申请号 202210175784.6 (22)申请日 2022.02.24 (71)申请人重庆邮电大学地址 400065

2023-05-07 约1.47万字 14页立即下载

一种基于Transformer网络改进的分子-蛋白质反应预测分类方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116469470 A (43)申请公布日 2023.07.21 (21)申请号 202310313192.0 G06N 3/0464 (2023.01)

2023-07-20 约1.66万字 12页立即下载

一种基于萤火虫算法的蛋白质结构预测从头方法[发明专利].docx PAGE 1- 一种基于萤火虫算法的蛋白质结构预测从头方法[发明专利] 一、引言 (1)蛋白质结构预测作为生命科学领域的重要研究方向，对于理解蛋白质的功能和调控机制具有重要意义。随着生物信息学技术的不断发展，蛋白质结构预测方法的研究日益深入。在众多预测方法中，从头预测方法因其无需依赖已知蛋白质结构信息，在理论上有广泛的应用前景。 (2)然而，蛋白质结构的复杂性决定了从头预测的难度。传统的从头预测方法大多基于物理化学原理，但由于蛋白质结构的多样性和复杂性，这些方法在实际应用中往往存在预测精度较低、计算效率不高的问题。近年来，基于人工智能的预测方法逐渐成为研究热点，其中萤火虫算法作为一种新型智能优

2025-01-21 约1.6千字 3页立即下载

一种基于循环神经网络的蛋白质二级结构预测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112837741 A (43)申请公布日 2021.05.25 (21)申请号 202110097155.1 (22)申请日 2021.01.25 (71)申请人浙江工业大学地址

2023-06-02 约1.12万字 9页立即下载

一种基于残基距离增强搜索的蛋白质结构预测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113380319 A (43)申请公布日 2021.09.10 (21)申请号 202110433816.3 (22)申请日 2021.04.21 (71)申请人浙江工业大学地址

2023-06-19 约1.38万字 9页立即下载

基于深度学习的蛋白质二级结构预测研究.docx 基于深度学习的蛋白质二级结构预测研究一、引言 蛋白质是生命体系中至关重要的生物大分子，其功能主要由其独特的三维结构决定。而蛋白质的二级结构，作为其三维结构的重要组成部分，对理解蛋白质的功能和性质具有重要意义。因此，对蛋白质二级结构的预测研究显得尤为重要。近年来，随着深度学习技术的快速发展，其在蛋白质二级结构预测方面的应用也取得了显著的成果。本文将就基于深度学习的蛋白质二级结构预测研究进行详细探讨。二、蛋白质二级结构概述 蛋白质的二级结构是指多肽链主链围绕单链内旋转形成的具有一定周期性的结构。主要包括α-螺旋、β-折叠、β-转角等类型。这些结构为蛋白质的三维结构提供了基础。在生物体内，蛋白质

2025-04-13 约4.74千字 9页立即下载

基于深度学习的蛋白质酶解预测模型构建与应用.docx 基于深度学习的蛋白质酶解预测模型构建与应用一、引言 蛋白质是生命体系中的重要组成部分，参与了许多生物过程。酶解是蛋白质研究中的关键环节，其涉及蛋白质的分解和特定序列的识别。随着生物信息学和计算生物学的发展，深度学习技术在蛋白质酶解预测中展现出巨大的潜力。本文旨在构建一个基于深度学习的蛋白质酶解预测模型，并探讨其应用。二、文献综述近年来，深度学习在生物信息学领域的应用日益广泛。在蛋白质酶解预测方面，许多研究者利用深度学习技术构建了各种模型，如卷积神经网络（CNN）、循环神经网络（RNN）和长短期记忆网络（LSTM）等。这些模型能够有效地处理蛋白质序列的复杂性和非线性特征，提高了预测的准确性

2025-04-23 约4.39千字 9页立即下载