-
公开(公告)号：CN114360662B
公开(公告)日：2024-11-05
申请号：CN202111569573.2
申请日：2021-12-21
Applicant: 武汉大学
Abstract: 本发明提供了一种基于两路多分支CNN的单步逆合成方法及系统，其中的方法在进行单步逆合成预测时，输入待预测分子的SMILES序列，经过两路多分支卷积层，特征拼接层，全连接层后，输出反应规则集能产生该分子的前k条反应规则。根据输出的反应规则，结合待预测分子的SMILES，最终计算得到目标分子的反应物SMILES，实现单步逆合成自动化。本实施例还提出一种基于两路多分支CNN的单步逆合成系统，通过反应数据集获取，训练集构造，模型构建，模型训练，单步逆合成预测以及结果可视化等模块处理过程，实现了目标分子的单步逆合成自动化。本发明成果既可用于化学逆合成领域，也可用于生物逆合成领域，具有比现有方法更广泛的用途。
-
公开(公告)号：CN115713970A
公开(公告)日：2023-02-24
申请号：CN202211459776.0
申请日：2022-11-16
Applicant: 武汉大学
IPC: G16B30/00 , G06N3/08 , G06Q10/04 , G06N3/0464
Abstract: 本发明公开了基于Transformer‑Encoder和多尺度卷积神经网络的转录因子识别方法。该方法首先使用Transformer‑Encoder提取蛋白质序列的全局特征，再使用多尺度卷积神经网络从全局特征中进一步提取多尺度的局部特征，最后融合提取的多个特征，输出蛋白质序列为转录因子的概率。本发明使用基于多层多头注意力机制的Transformer‑Encoder和多尺度卷积神经网络的转录因子识别方法，可以高精度完成对未知蛋白质序列是否为转录因子的识别工作，能快速地仅依靠蛋白质序列来判断转录因子，极大地提高蛋白质标注效率。
-
公开(公告)号：CN114496105B
公开(公告)日：2024-08-23
申请号：CN202210080029.X
申请日：2022-01-24
Applicant: 武汉大学
Abstract: 本发明提供了一种基于多语义网络的单步逆合成方法及系统，在进行单步逆合成预测的时，输入目标产物分子的ECFP4特征和SMILES词单热特征，经过多语义网络之后，以反应模板的形式输出该目标产物分子上可能发生的前k条反应。根据输出的反应模板，结合目标产物分子的SMILES字符串，最终计算得到目标产物分子所对应的反应物的SMILES字符串，实现单步逆合成预测。本发明是单步逆合成领域中第一个使用多语义融合网络来进行单步逆合成预测的，是基于模板的单步逆合成方法，预测结果具有较强的可解释性。网络除了对融合语义特征学习之外，还分别对ECFP4语义特征和SMILES词单热语义特征学习，从而增强了融合语义特征对分子的表达能力，进而提高了网络的预测结果精度。
-
Patent Agency Ranking
公开(公告)号：CN115762663A
公开(公告)日：2023-03-07
申请号：CN202211432147.9
申请日：2022-11-16
Applicant: 武汉大学
Abstract: 本发明公开了一种基于通量平衡分析的代谢网络关键因子挖掘方法。该方法不需要复杂的领域知识，通过输入代谢网络以及目标化合物，可以直接挖掘对目标化合物影响最大的多个反应，用于快速辅助生物学家优化的代谢网络。本发明首先对已有代谢网络进行建模，并且确定需要生产的目标产物，并依据FBA对代谢网络中可以产生目标产物的反应进行分析，进而使用基于遗传算法的最大通量变化计算方法来计算每个反应对目标代谢物通量对影响，并依次确定对通量影响最大的top‑k个代谢反应作为关键因子。本发明为代谢途径设计和优化提供了候选的关键因子。
-
公开(公告)号：CN113628699A
公开(公告)日：2021-11-09
申请号：CN202110756061.0
申请日：2021-07-05
Applicant: 武汉大学
Abstract: 本发明提供的基于改进的蒙特卡罗强化学习方法的逆合成问题求解方法及装置，方法包括：步骤1.将待求解逆合成的目标化合物作为根节点，选择改进的UCT函数值最高的作为最佳子节点；步骤2.执行扩展动作产生新的子节点；步骤3.若迭代产生的所有产物都出现在代谢空间代谢物底盘菌株上，即得到了最终结果，将根据奖励政策返还奖励或罚款；否则，从可用的变换中随机采样反应规则，应用于当前化合物；计算子节点的策略产物和代谢物底盘菌株或可买到的化学产物的集合的Tanimoto得分；剔除排序靠后的反应规则；步骤4.将当前节点获得的Tanimoto得分返回给其父节点；步骤5.循环直到终止，得到逆合成求解结果。
-
公开(公告)号：CN113628699B
公开(公告)日：2023-03-17
申请号：CN202110756061.0
申请日：2021-07-05
Applicant: 武汉大学
Abstract: 本发明提供的基于改进的蒙特卡罗强化学习方法的逆合成问题求解方法及装置，方法包括：步骤1.将待求解逆合成的目标化合物作为根节点，选择改进的UCT函数值最高的作为最佳子节点；步骤2.执行扩展动作产生新的子节点；步骤3.若迭代产生的所有产物都出现在代谢空间代谢物底盘菌株上，即得到了最终结果，将根据奖励政策返还奖励或罚款；否则，从可用的变换中随机采样反应规则，应用于当前化合物；计算子节点的策略产物和代谢物底盘菌株或可买到的化学产物的集合的Tanimoto得分；剔除排序靠后的反应规则；步骤4.将当前节点获得的Tanimoto得分返回给其父节点；步骤5.循环直到终止，得到逆合成求解结果。
-
公开(公告)号：CN114360662A
公开(公告)日：2022-04-15
申请号：CN202111569573.2
申请日：2021-12-21
Applicant: 武汉大学
Abstract: 本发明提供了一种基于两路多分支CNN的单步逆合成方法及系统，其中的方法在进行单步逆合成预测时，输入待预测分子的SMILES序列，经过两路多分支卷积层，特征拼接层，全连接层后，输出反应规则集能产生该分子的前k条反应规则。根据输出的反应规则，结合待预测分子的SMILES，最终计算得到目标分子的反应物SMILES，实现单步逆合成自动化。本实施例还提出一种基于两路多分支CNN的单步逆合成系统，通过反应数据集获取，训练集构造，模型构建，模型训练，单步逆合成预测以及结果可视化等模块处理过程，实现了目标分子的单步逆合成自动化。本发明成果既可用于化学逆合成领域，也可用于生物逆合成领域，具有比现有方法更广泛的用途。
-
公开(公告)号：CN114496105A
公开(公告)日：2022-05-13
申请号：CN202210080029.X
申请日：2022-01-24
Applicant: 武汉大学
Abstract: 本发明提供了一种基于多语义网络的单步逆合成方法及系统，在进行单步逆合成预测的时，输入目标产物分子的ECFP4特征和SMILES词单热特征，经过多语义网络之后，以反应模板的形式输出该目标产物分子上可能发生的前k条反应。根据输出的反应模板，结合目标产物分子的SMILES字符串，最终计算得到目标产物分子所对应的反应物的SMILES字符串，实现单步逆合成预测。本发明是单步逆合成领域中第一个使用多语义融合网络来进行单步逆合成预测的，是基于模板的单步逆合成方法，预测结果具有较强的可解释性。网络除了对融合语义特征学习之外，还分别对ECFP4语义特征和SMILES词单热语义特征学习，从而增强了融合语义特征对分子的表达能力，进而提高了网络的预测结果精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
