-
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。
-
Patent Agency Ranking
公开(公告)号：CN118711672A
公开(公告)日：2024-09-27
申请号：CN202410802421.X
申请日：2024-06-20
Applicant: 武汉大学
IPC: G16B40/00 , G16B50/10 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明提出了一种基于拓扑感知注意力网络的蛋白质功能预测方法及装置，其中的方法包括如下步骤S1：获取公开蛋白质功能注释数据集、公开的描述基因本体及关系obo文件；S2：构建蛋白质图输入和基因本体图输入；S3：搭建基于拓扑感知的蛋白质‑基因本体论注意力网络，其中包括拓扑感知的注意力模块和多头聚合器；S4：利用步骤S1中的数据对步骤S3中的拓扑感知的蛋白质‑基因本体注意力网络进行训练，得到训练好的蛋白质功能预测模型。S5：对待一个待预测功能的蛋白质，利用步骤S5中的训练好的模型生成其被每一个GO术语注释的概率。通过本发明的方法可以提升蛋白质功能预测的效果。
-
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：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。
-
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。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
