一种定量调控基因翻译的方法及其应用

    公开(公告)号:CN116343925A

    公开(公告)日:2023-06-27

    申请号:CN202310097886.5

    申请日:2023-02-10

    Abstract: 本发明公开了一种定量调控基因翻译的方法及其应用。所述方法包括:将目标基因的起始密码子之前的或目标基因的非编码区的上游开放阅读框之前的Kozak序列及其变体的翻译效率进行排序,根据排序结果,按需求对所述Kozak序列进行基因编辑,实现基于原位操纵Kozak序列定量调控基因翻译,所述Kozak序列及其变体的长度各自独立的为3~6bp。本发明建立了一个高效、灵活、适用性极广的基因表达调控方法。通过利用精准基因编辑工具原位定制目标基因的Kozak序列,实现在基因翻译阶段定量地控制基因的表达水平。

    一种藤梨根有效成分靶点分子预测模型的构建方法

    公开(公告)号:CN115810397A

    公开(公告)日:2023-03-17

    申请号:CN202211695871.0

    申请日:2022-12-28

    Abstract: 本发明提供了一种藤梨根有效成分靶点分子预测模型的构建方法,属于网络药理学领域,本发明先获取了二氢白桦酸的结构相似化合物,从氨基酸组成、二肽组成、CTD指标这三个特征入手,计算蛋白特征,获得蛋白特征原始数据集;对于蛋白特征原始数据集采用合成少数类过取样算法(SMOTE)处理不平衡数据,之后使用主成分分析法(PCA)达到降维的目的从而完成对数据的处理;在构建模型的过程中本发明采用主流算法Kmeans聚类进行半监督学习,建立出研究所需的训练集、验证集及测试集;最终,通过十折交叉验证法提高其泛化能力,得到预测模型。该模型泛化能力好,可靠性高,分类准确。

    生成活性肽段的方法、装置、设备及存储介质

    公开(公告)号:CN114783521A

    公开(公告)日:2022-07-22

    申请号:CN202210278322.7

    申请日:2022-03-21

    Inventor: 张海平 潘毅

    Abstract: 本申请适用于生物医药领域,提供了生成活性肽段的方法、装置、设备及存储介质,包括:获取特定活性对应的肽段生成模型,肽段生成模型是利用通用肽数据集和预设的与特定活性对应的活性肽数据集对LSTM网络进行训练得到的,通用肽数据集包括多个通用肽段;利用肽段生成模型生成多个具有特定活性的肽段。上述方案中,肽段生成模型是利用通用肽数据集和预设的与特定活性对应的活性肽数据集对LSTM网络进行训练得到的,其在训练过程中可以学习到通用肽段中的潜在特征,和已知活性肽段中的潜在活性规律,进而使得在实际使用该肽段生成模型的过程中,可根据不同的特定活性需求,生成具有不同特定活性的、多样性丰富的肽段。

    一种假阳性核苷酸变异位点的过滤方法及计算设备

    公开(公告)号:CN114613430A

    公开(公告)日:2022-06-10

    申请号:CN202210288608.3

    申请日:2022-03-22

    Inventor: 顾嘉琦 崔杨网

    Abstract: 本发明揭示了一种假阳性核苷酸变异位点的过滤方法及计算设备,方法包括以下步骤:获取测序原始数据;测序原始数据通过突变检测软件检测突变位点,判断位点结果并获取突变候选集;特征提取,对每一个突变位点,分别将VAF值、Ratio值、mVAF值列成表格,形成特征数据集矩阵;随机取总数据的10%作为训练集,其余作为测试集,对训练集支持向量机建模,训练得到的模型,使用测试集进行评估;继续优化返回上一步骤,停止优化选定最优模型。本发明实现了只根据非对照样本的突变位点的参数,通过机器学习的支持向量机方案构建预测模型,对由软件运行后的突变位点文件进行假阳性位点的过滤,进而得到真阳性变异位点,从而简化后续样本的识别问题。

    用于蛋白质工程和生产的方法和系统

    公开(公告)号:CN114008712A9

    公开(公告)日:2022-03-22

    申请号:CN202080044514.0

    申请日:2020-05-11

    Abstract: 本发明提供了生产具有一个或多个期望特性的蛋白质的方法,该方法包括(a)文库设计步骤,(b)文库测试步骤;和(c)学习步骤,其中至少部分基于文库测试步骤的结果为每个序列变体分配适应度分数,并且机器学习算法使用每个序列变体的适应度分数来训练用于预测新序列变体的适应度分数的模型,并且其中在步骤(c)中训练的机器学习模型用于设计新的序列变体文库。本发明还提供了一种用于生产具有一个或多个期望特性的蛋白质的系统,所述系统适于实施本发明的方法。

    一种基于GPU加速AutoDock Vina的方法

    公开(公告)号:CN114373509B

    公开(公告)日:2024-10-29

    申请号:CN202111569787.X

    申请日:2021-12-21

    Abstract: 本发明公开了一种基于GPU加速AutoDock Vina的方法及实现,该方法通过增加初始随机配体构象的数目来扩展蒙特卡罗的迭代局部搜索方法中对接线程的并行规模,减少蒙特卡罗的迭代局部搜索方法中的搜索步数,利用OpenCL实现AutoDock Vina中CPU和GPU异构并行结构以此达到更高水平的并行和加速能力。现代药物筛选需要面对海量的化合物数据,目前的分子对接技术无法满足现实需求。采用本发明的方法,可以在保证不损失对接精度的同时大幅加快分子对接和虚拟筛选的速度,满足大型化合物数据库分子对接的实际需求。

Patent Agency Ranking