-
公开(公告)号：CN113380337A
公开(公告)日：2021-09-10
申请号：CN202110636186.X
申请日：2021-06-08
Applicant: 浙江大学
Abstract: 本发明提供了一种基于深度神经网络的有机荧光小分子光学性质预测方法。本方法通过建立新的有机荧光小分子数据库，采用分子描述符和分子指纹提取分子信息，输入多层神经网络和卷积神经网络进行深度学习训练获得有机荧光小分子光学性质预测模型，将待预测有机荧光小分子及其实验溶剂的特征信息输入训练好的有机荧光小分子光学性质预测模型从而预测其光学性质。本发明方法能准确地预测有机荧光小分子的光学性质(平均相对误差小于5％)，从而提高有机荧光小分子的开发效率。
-
公开(公告)号：CN115894690A
公开(公告)日：2023-04-04
申请号：CN202211524236.6
申请日：2022-11-30
Applicant: 浙江大学
IPC: C07K16/28 , C07K1/107 , A61K47/68 , A61K45/00 , A61K31/454 , A61K31/366 , A61K31/404 , A61K38/05 , A61K31/16 , A61P43/00
Abstract: 本发明公开了一种抗体降解子及其应用。所述抗体降解子由三部分组成：识别目标蛋白的单克隆抗体或其抗原结合片段(统称为抗体)，可诱导蛋白质靶向降解的降解配体，以及连接两者的化学连接链。本发明所提供的蛋白靶向降解子以抗体作为识别基团，可根据实际降解需求选择具体抗体；考虑到不同细胞中内源性降解体系的表达量及活性存在差异，为适应不同种类细胞的蛋白质靶向降解需求，本发明的抗体降解子涵盖了目前已知的经典降解策略(包括蛋白水解靶向嵌合体(PROTAC)、自噬体锚定化合物(ATTEC)、分子伴侣介导的自噬嵌合体(CMA)、疏水标签(HyT)等)所涉及到的降解配体。该策略的适用对象范围广，可对细胞膜蛋白及胞内蛋白质进行靶向降解。
-
公开(公告)号：CN113362905A
公开(公告)日：2021-09-07
申请号：CN202110637110.9
申请日：2021-06-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度学习的不对称催化反应对映选择性预测方法。该方法首先获取并整理异氰基乙酸酯参与的不对称催化反应数据，并设计模型训练集与样本外测试集；计算并处理反应涉及化合物的分子描述符，将其与反应条件汇总为一组特征向量输入模型；基于训练集分别构建深度神经网络和卷积神经网络回归模型并优化其超参数，进而获得能准确预测训练集反应对映选择性的模型；利用最佳神经网络模型预测样本外反应的对映选择性，检验模型的可迁移性。结果表明，该模型能够较准确地预测样本外反应的对映选择性，进一步验证了模型的稳健性与可迁移性。
-
公开(公告)号：CN113362905B
公开(公告)日：2022-07-08
申请号：CN202110637110.9
申请日：2021-06-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度学习的不对称催化反应对映选择性预测方法。该方法首先获取并整理异氰基乙酸酯参与的不对称催化反应数据，并设计模型训练集与样本外测试集；计算并处理反应涉及化合物的分子描述符，将其与反应条件汇总为一组特征向量输入模型；基于训练集分别构建深度神经网络和卷积神经网络回归模型并优化其超参数，进而获得能准确预测训练集反应对映选择性的模型；利用最佳神经网络模型预测样本外反应的对映选择性，检验模型的可迁移性。结果表明，该模型能够较准确地预测样本外反应的对映选择性，进一步验证了模型的稳健性与可迁移性。
-
-
-
Search Results
4
records
(took 0.019 seconds)
