公开(公告)号：CN118126986A

公开(公告)日：2024-06-04

申请号：CN202410267798.X

申请日：2024-03-08

Applicant: 上海交通大学

Inventor： 吴邦昊 ,  谈攀 ,  钟博子韬 ,  洪亮

IPC: C12N9/18 ,  C12N15/55 ,  C12N15/70 ,  C12N1/21 ,  B09B3/60 ,  C12R1/19 ,  B09B101/75

Abstract: 本发明公开了一种原核生物来源的PET降解酶及其应用，具体来源于原核生物沙漠细菌Kibdelosporangium banguiense，将该PET降解酶命名为KbPETase。本发明的PET降解酶能够在常温与中温下降解PET酶，与现有的PET降解酶相比，对商业化PET塑料及其单体BHET的降解速率有了一定的提高，具有良好的工业前景。

公开(公告)号：CN116694608A

公开(公告)日：2023-09-05

申请号：CN202310713716.5

申请日：2023-06-15

Applicant: 上海交通大学

Inventor： 余元玺 ,  姜帆 ,  康里奇 ,  谈攀 ,  洪亮

IPC: C12N9/78 ,  C12N15/10 ,  C12N15/70 ,  C12Q1/34 ,  G16B20/50 ,  G16B40/30 ,  C12R1/19

Abstract: 本发明公开了一种具备更高热稳定性的肌酸脒基水解酶突变体及其应用，涉及生物技术领域，包括突变体V283L、H193Y、E170T、S19L、Y310L、Q151V和/或突变体A180K；其氨基酸序列分别如SEQ ID NO.2‑SEQ ID NO.8所示。突变位点的选择方法，对产碱杆菌Alcaligenes faecalis的Creatniase蛋白的野生型借助深度学习，改造靶点打分；辅以该酶的晶体结构或者同源建模的结构共进化分析来选择靶标位点。该突变体在肌酐检测试剂中的应用。本发明了通过机器学习辅助的定点突变的方式制造了热稳定性提高的的肌酸脒基水解酶突变体。

公开(公告)号：CN112733416A

公开(公告)日：2021-04-30

申请号：CN202110095324.8

申请日：2021-01-25

Applicant: 上海交通大学

Inventor： 洪亮 ,  徐振礼 ,  金石 ,  李磊 ,  梁久阳 ,  谈攀 ,  赵越

IPC: G06F30/25 ,  G06F119/14

Abstract: 本发明公开了一种计算粒子间相互作用力的方法和系统，涉及分子动力学模拟系统技术领域，包括基于从傅里叶空间中随机抽取的部分傅里叶项、所述傅里叶空间的电荷分布、粒子的带电量，得到所述粒子的库仑长程力；其中，所述傅里叶空间与计算所述库仑长程力的函数相对应。采样方法包括重要性采样，随机抽取的部分傅里叶项的数量级为百或千。该方法还包括根据库仑定律得到库仑短程力；根据其他参数得到粒子的伦纳德琼斯力和成键相互作用力；最后得到相互作用力。该方法可用于分子动力学模拟中，减少计算的时间复杂度，减小数据通信量，从而提高计算性能和并行效率，降低通信方面的消耗。

公开(公告)号：CN117070493A

公开(公告)日：2023-11-17

申请号：CN202310820609.2

申请日：2023-07-05

Applicant: 上海交通大学

Inventor： 姜帆 ,  余元玺 ,  康里奇 ,  谈攀 ,  洪亮

IPC: C12N9/12 ,  C12N15/70 ,  C12Q1/6851 ,  C12Q1/48

Abstract: 本发明公开了一种具有高热稳定性的T7RNA聚合酶突变体及其应用，涉及生物技术领域，包括突变体C125A、C216L、Q269M、C347L、M401K、W422F、Y457L、G464M、A468F、F481W、Q505A、C510E、C515P、V567P、V687E、M696A、A703T、H772K、P780K、R792M、H799G、K801G、E830G、C839N、P865L或/和A881F；其氨基酸序列分别如SEQ ID NO.3‑SEQ ID NO.28所示。公开了突变位点的选择方法、表达方法、解链温度测量和活性测量方法。该突变体可以在高温下进行转录反应以减少mRNA疫苗和药物制备中产生副产物以及适用于核酸等温扩增技术。本发明利用深度学习来预测氨基酸的突变位点，改良蛋白质的热稳定性，快速筛选出具有高温活性和稳定性的变体。新点位有很好的稳定性提升的效果。

公开(公告)号：CN115954050A

公开(公告)日：2023-04-11

申请号：CN202211209310.5

申请日：2022-09-30

Applicant: 上海交通大学

Inventor： 洪亮 ,  谈攀 ,  李明辰

IPC: G16B20/50 ,  G16B40/00 ,  G16B30/10 ,  G06N3/048 ,  G06N3/08 ,  G06N3/0442

Abstract: 本发明公开了一种基于蛋白质工程的集成序列与结构特征的深度学习模型及预测方法，本发明先建立了整合序列和结构信息来预测蛋白质突变效果的深度学习模型。然后结合特定的数据增强策略，以减少深度学习模型对实验样本量的依赖程度。具体是大量来自无监督模型的低质量预测结果会首先被用来对深度学习模型进行预训练，之后对于有实验结果的则用有限数量的高品质实验结果会被用来对模型进行微调。实验表明当后续微调的实验数据量小于40或没有任何实验数据时，仅经过预训练得到的深度学习模型可以在预测高阶突变效果的任务上取得非常高的精度。