知搜-全球专利检索

  1. Login
  2. Sign Up

Search Results

13 records (took 0.022 seconds)

    基于深度学习的蛋白质-配体结合位点预测方法
    1.
    发明公开
    基于深度学习的蛋白质-配体结合位点预测方法 有权

    公开(公告)号：CN113707213A

    公开(公告)日：2021-11-26

    申请号：CN202111047262.X

    申请日：2021-09-08

    Applicant: 上海交通大学

    Inventor： 夏春秋 ,  沈红斌 ,  潘小勇 ,  冯世豪 ,  夏莹

    IPC: G16B5/00 ,  G16B20/30 ,  G16B50/00 ,  G06N3/04 ,  G06N3/08

    Abstract: 一种基于深度学习的蛋白质‑配体结合位点预测方法，提取待预测蛋白质中所有残基的α碳原子在三维空间中的全局坐标，然后根据全局坐标计算得到邻接矩阵和原始节点特征，输入基于动量对比学习框架的神经网络模型从而得到蛋白质结构的描述子。本发明将深度学习技术与蛋白质结构的领域的知识相结合，生成更有鉴别力的描述子，从而更准确地识别目标蛋白质的相似结构，并且可提升蛋白质结构分类的精度。

    基于图神经网络表征的蛋白质与核酸结合位点预测方法
    2.
    发明授权
    基于图神经网络表征的蛋白质与核酸结合位点预测方法 有权

    公开(公告)号：CN114765063B

    公开(公告)日：2025-04-01

    申请号：CN202110037110.5

    申请日：2021-01-12

    Applicant: 上海交通大学

    Inventor： 夏莹 ,  沈红斌 ,  潘小勇 ,  夏春秋

    IPC: G16B20/30

    Abstract: 一种基于图神经网络表征的蛋白质与核酸结合位点预测方法，通过构建蛋白质与核酸相互作用数据集，经样本融合处理后提取其中蛋白质中每个残基的位置和特征信息及其结构上下文，并据此构建残基结构上下文的图表示，通过层次图神经网络对待预测的蛋白质的图表示进行预测，得到每个残基与DNA/RNA结合的概率，实现蛋白质与核酸结合位点预测。本发明通过基于结构上下文的残基的图表示和层次图神经网络模型来从图表示中学习结合位点的关键结构和特征模式。

    碱性磷酸酶激活剂的制备方法及应用
    6.
    发明公开
    碱性磷酸酶激活剂的制备方法及应用 审中-实审

    公开(公告)号：CN116514986A

    公开(公告)日：2023-08-01

    申请号：CN202210913778.6

    申请日：2022-07-29

    Applicant: 上海交通大学医学院附属第九人民医院

    Inventor： 马培翔 ,  秦安 ,  曹禹 ,  赵杰 ,  夏莹 ,  于亚婷 ,  戎柯纬

    IPC: C07K16/40 ,  C12N15/13 ,  C12N15/85 ,  C12N5/10 ,  C07K19/00 ,  A61K39/395 ,  A61K47/68 ,  A61P19/08 ,  A61P19/10

    Abstract: 本发明提供了一种根据碱性磷酸酶热点结构域制备碱性磷酸酶的激活剂的方法，所述热点区域包括热点区域1和热点区域2；所述热点区域1由（R213，D214，F259，K260，P261，R262，Y263，K264，D284，Y285）组成，所述热点区域2由（K322，N323，P324，K325）组成。结合这两个热点区域的抗体能够激活碱性磷酸酶的活性，抗体包含抗体的重链区（VH）和/或轻链可变区（VL），所述VH包含：如SEQ ID NO:1所示的VH CDR1；如SEQ ID NO:2所示的VH CDR2；和/或，如SEQ ID NO:3所示的VH CDR3；所述VL包含：如SEQ ID NO:4所示的VL CDR1；如SEQ ID NO：5所示的VL CDR2；和/或，如SEQ ID NO:6所示的VL CDR3。本发明的蛋白质对碱性磷酸酶有强力的结合，能够增强碱性磷酸酶及其突变蛋白的催化活性。

    基于混合神经网络的蛋白质与配体结合残基与口袋识别方法
    7.
    发明公开
    基于混合神经网络的蛋白质与配体结合残基与口袋识别方法 审中-实审

    公开(公告)号：CN116486919A

    公开(公告)日：2023-07-25

    申请号：CN202211331719.4

    申请日：2022-10-28

    Applicant: 上海交通大学

    Inventor： 夏莹 ,  夏春秋 ,  潘小勇 ,  沈红斌

    IPC: G16B40/00 ,  G16B15/00 ,  G16B30/00 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/23 ,  G06F18/24 ,  G06F18/214

    Abstract: 一种基于混合神经网络的蛋白质与配体结合残基与口袋识别方法，通过提取待查询蛋白质的多个特征，将蛋白质的每个残基表示成三种表示，通过两种基于深度学习模型的基方法预测得到残基与配体的结合概率，再通过①平均两种基方法的预测分数得到高置信度的预测结果和②合并两种基方法的预测残基作为中置信度的预测结果，最后基于结合残基的空间坐标，通过空间聚类算法，将残基聚类得到最终的预测结合口袋。本发明从蛋白质的结构和序列两方面出发，采用两种集成策略，基于非欧式空间图网络、欧式空间的卷积网络和长短时记忆网络模型，通过空间聚类模块将预测的结合残基根据其空间位置分配到对应的结合口袋中，实现从蛋白质结构中学习蛋白质与配体的相互作用模式，并用于多种配体的特异性结合模式的学习和识别，显著提高蛋白质结合残基预测的准确性。

Patent Agency Ranking