-
公开(公告)号：CN115732038A
公开(公告)日：2023-03-03
申请号：CN202111013709.1
申请日：2021-08-31
Applicant: 微软技术许可有限责任公司
Abstract: 根据本公开的实现，提供了一种分子结合分析的方案。在该分析方案中，可以获取基于配体分子的结构确定的第一特征表示，并获取基于蛋白质分子的结构确定的第二特征表示。进一步地，还可以确定复合结构的第三特征表示，其中复合结构是基于蛋白质分子和配体分子而被构建的。进一步地，第一特征表示、第二特征表示和第三特征表示可以用于生成聚合特征表示，确定关于配体分子和蛋白质分子之间的结合的评价信息。该评价信息可以指示结合的有效性，或者也可以指示结合的结合姿态的亲和性。由此，可以实现更为高效且准确的结合分析。
-
公开(公告)号：CN114694756A
公开(公告)日：2022-07-01
申请号：CN202011631945.5
申请日：2020-12-31
Applicant: 微软技术许可有限责任公司
Abstract: 根据本公开的实现，提出了一种用于蛋白质结构预测的方案。在该方案中，从针对目标蛋白质的片段库，针对目标蛋白质的多个残基位置中的每个残基位置确定多个片段。每个片段包括多个氨基酸残基。然后，针对每个残基位置，生成多个片段的结构的特征表示。接下来，基于针对多个残基位置所生成的相应的特征表示，确定对目标蛋白质的结构和结构属性中的至少一项的预测。该方案能够利用片段库的结构信息来补充和完善蛋白质结构预测中所使用的信息，从而提高蛋白质结构预测的准确性。
-
公开(公告)号：CN114694744A
公开(公告)日：2022-07-01
申请号：CN202011623825.0
申请日：2020-12-31
Applicant: 微软技术许可有限责任公司
Abstract: 根据本公开的实现，提供了蛋白质结构预测的方案。根据该方案，获取针对目标蛋白质的约束集，约束集包括针对目标蛋白质的多个结构属性的多个约束。提取多个约束各自的特征信息，并基于多个约束的特征信息来确定多个约束各自对应的多个权重。每个权重指示对应的约束在用于预测目标蛋白质的结构时对预测的影响程度。基于约束集中的多个约束和多个权重来预测目标蛋白质的结构。根据该方案，通过对所使用的约束的预处理，可以解决约束集中的潜在冲突，并消除约束的冗余性。这有利于对目标蛋白质的结构的准确预测。
-
Patent Agency Ranking
公开(公告)号：CN120032743A
公开(公告)日：2025-05-23
申请号：CN202311567645.9
申请日：2023-11-22
Applicant: 微软技术许可有限责任公司
Abstract: 根据本公开的实现，提供了用于分子建模的方案。根据该方案，基于分子中的多个原子在分子中的相应位置，确定分子的原子间位置表示，原子间位置表示表征多个原子中的各对原子之间的相对空间位置；基于分子的原子属性表示和原子间位置表示，确定分子的特征表示，原子属性表示表征多个原子的相应属性；以及基于特征表示，确定对分子的目标性质的预测。由此，在对分子建模中考虑了原子之间的空间相对位置，以在建模中引入更丰富的信息。以此方式，可以提高对分子性质预测的准确性。
-
公开(公告)号：CN119678216A
公开(公告)日：2025-03-21
申请号：CN202280099008.0
申请日：2022-10-21
Applicant: 微软技术许可有限责任公司
Abstract: 提供了一种计算系统，其在消息传递图神经网络(MPGNN)处接收分子图，并且产生表示图的节点和边的特征的标量嵌入和表示图的几何关系的矢量嵌入。系统经由MPGNN的消息传递子块的矢量标量交互式消息传递机制来处理标量嵌入，以生成标量信息并将其从标量嵌入传递给包含矢量嵌入的嵌入空间。系统基于包含标量信息和矢量嵌入的嵌入空间来更新矢量嵌入。系统基于在矢量嵌入中编码的几何关系的运行时几何计算来更新标量嵌入。系统基于更新后的标量嵌入和矢量嵌入来计算更新后的分子图，并且基于更新后的分子图来输出目标分子属性值。
-
公开(公告)号：CN109033063B
公开(公告)日：2022-02-25
申请号：CN201710433308.9
申请日：2017-06-09
Applicant: 微软技术许可有限责任公司
IPC: G06F40/295 , G06F16/36
-
公开(公告)号：CN109033063A
公开(公告)日：2018-12-18
申请号：CN201710433308.9
申请日：2017-06-09
Applicant: 微软技术许可有限责任公司
CPC classification number: G06F16/24564 , G06F16/243 , G06F17/278
Abstract: 本公开的实施例涉及基于知识图谱的机器推理。在一些实施例中，提供了一种计算机实现的方法。该方法包括响应于接收到自然语言语句，确定与所述自然语言语句匹配的预定义语句模板。基于所述预定义语句模板从所述自然语言语句提取多个项。利用所述多个项查询知识图谱来获得针对所述自然语言语句的推理，所述推理回答与所述语句有关的问题或者验证所述语句的语义正确性，所述知识图谱包括表示实体或概念的节点以及表示节点之间的逻辑关系的边。
-
公开(公告)号：CN110427351A
公开(公告)日：2019-11-08
申请号：CN201810395943.7
申请日：2018-04-27
Applicant: 微软技术许可有限责任公司
IPC: G06F16/21
Abstract: 在本公开的实施例中，提出了一种针对数据集的主动式数据建模的方法、设备以及计算机程序产品。针对给定数据集，主动地选择第一子集以生成至少以第一变量为自变量的第一模型，并且主动地选择第二子集以生成至少以第二变量为自变量的第二模型。然后，将第一模型和第二模型进行合并，以生成指示数据集中的数据约束条件的目标模型，以用于基于数据集进行预测。在本公开的实施例中，主动地选择多个数据子集以便针对多个自变量生成多个模型，并且合并多个模型以生成最终的目标模型。因此，本公开的实施例能够减少建模过程中的自变量的数目，从而有效提高针对数据集的建模效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.039 seconds)
