-
公开(公告)号：CN113412519B
公开(公告)日：2024-05-21
申请号：CN202080013315.3
申请日：2020-02-10
申请人： 旗舰开拓创新六世公司
IPC分类号： G16B15/20 , G16B40/20 , G16B40/30 , G16B20/00 , G16B5/20 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/09 , G06N3/088 , G06N3/082 , G06N3/096 , G06N3/0895
摘要： 用于鉴定氨基酸序列和蛋白质功能或性质之间的关联的系统、装置、软件和方法。机器学习的应用用于生成基于输入数据鉴定此类关联的模型，该输入数据是例如氨基酸序列信息。可以利用包括迁移学习的各种技术来增强关联的准确性。
-
公开(公告)号：CN113412519A
公开(公告)日：2021-09-17
申请号：CN202080013315.3
申请日：2020-02-10
申请人： 旗舰开拓创新六世公司
摘要： 用于鉴定氨基酸序列和蛋白质功能或性质之间的关联的系统、装置、软件和方法。机器学习的应用用于生成基于输入数据鉴定此类关联的模型，该输入数据是例如氨基酸序列信息。可以利用包括迁移学习的各种技术来增强关联的准确性。
-
公开(公告)号：CN116547005A
公开(公告)日：2023-08-04
申请号：CN202180052088.X
申请日：2021-07-06
申请人： 旗舰开拓创新六世公司
IPC分类号： A61K39/395
摘要： 在各种实施例中，本发明提供了与严重急性呼吸综合征冠状病毒的刺突糖蛋白(例如，SARS‑CoV‑2‑刺突蛋白)特异性结合的多肽。在各种实施例中，本发明还提供了包含这些多肽中的一种或多种的融合蛋白、编码这些多肽的多核苷酸、适用于表达这些多肽的载体和宿主细胞、以及用于治疗病毒感染(例如，COVID‑19)的方法。
-
公开(公告)号：CN116528897A
公开(公告)日：2023-08-01
申请号：CN202180052278.1
申请日：2021-08-26
申请人： 旗舰开拓创新六世公司
IPC分类号： A61K39/395
摘要： 在各种实施例中，本发明提供了与严重急性呼吸综合征冠状病毒的刺突糖蛋白(例如，SARS‑CoV‑2‑刺突蛋白)特异性结合的多肽(例如，骆驼抗体及其抗原结合片段)。在各种实施例中，本发明还提供了包含这些多肽中的一种或多种的融合蛋白、编码这些多肽的多核苷酸、适用于表达这些多肽的载体和宿主细胞、以及用于治疗病毒感染(例如，COVID‑19)的方法。
-
公开(公告)号：CN116157870A
公开(公告)日：2023-05-23
申请号：CN202180052555.9
申请日：2021-07-28
申请人： 旗舰开拓创新六世公司
IPC分类号： G16B40/20
摘要： 控制抗体的亲和力和表达是临床应用的关键。高亲和力抗体与更高的特异性相关，并且能够以较低剂量使用。目前，抗体成熟是通过定向进化方法来解决的。在这种情况下，将突变结合物的初始文库接种到过程中，并通过多轮突变和选择来提高亲和力。然而，本披露内容采用了机器学习方法利用与定向进化相似的过程来计算成熟抗体序列。这些抗体序列在其经过计算和验证后可以被制造成物理抗体。另外，本方法在靶向特异性亲和力时有可能优于定向进化，并且适用于一般的蛋白质‑蛋白质相互作用。
-
公开(公告)号：CN116034432A
公开(公告)日：2023-04-28
申请号：CN202180045514.7
申请日：2021-04-26
申请人： 旗舰开拓创新六世公司
IPC分类号： G16B15/30
摘要： 人源化蛋白质可能是一个费力的过程，往往涉及反复试验或其他非系统性方法。为改善人源化，可以采用神经网络来生成具有更高的概率被人源化的新蛋白质序列。在实施例中，一种方法包括评估蛋白质序列的采样的免疫原性。该方法可以包括根据特定的所生成的蛋白质序列在免疫原性方面相比于该蛋白质序列的采样的特定百分位数的免疫原性具有偏差的估计概率对来自生成模型的蛋白质序列的采样进行加权。该方法可以进一步包括生成对蛋白质序列的采样加权的蛋白质序列。所生成的表示蛋白质的蛋白质序列具有改变的免疫原性。此类所生成的蛋白质被人源化的似然性更高。
-
公开(公告)号：CN117980912A
公开(公告)日：2024-05-03
申请号：CN202280063952.0
申请日：2022-09-23
申请人： 旗舰开拓创新六世公司
发明人： J·英格拉汉姆
摘要： 在一些实施例中，披露了用于提供一种或多种相关生物聚合物序列以符合参考结构的方法和相应的系统。该参考结构包含靶复合物和一种或多种相关生物聚合物序列。这些生物聚合物序列可通过该方法获得，该方法包括使用神经网络嵌入图表示。该图表示是根据该参考结构特征化的且包含该生物聚合物的拓扑结构，其中以单体为节点，以单体之间的相互作用为边缘。在某些实施例中，该方法还包括使用图神经网络或等变神经网络处理该图表示，该图神经网络或等变神经网络利用学习的参数函数迭代地更新节点和边缘嵌入。该方法还可以包括使用解码器将嵌入的图表示转换为能量景观。该方法还可以包括从该能量景观获得一种或多种生物聚合物序列。
-
公开(公告)号：CN115668383A
公开(公告)日：2023-01-31
申请号：CN202180011156.8
申请日：2021-01-29
申请人： 旗舰开拓创新六世公司
摘要： 准确的函数估计和良好校准的不确定性对于贝叶斯优化(BO)很重要。BO的大多数理论保证都是针对使用从高斯过程(GP)先验中提取的替代物对目标函数进行建模的方法建立的。GP先验不适合离散的高维组合空间，例如生物聚合物序列。使用神经网络(NN)作为替代函数可以获得更准确的函数估计。使用NN可以允许任意复杂的模型，消除GP先验假设，并且使得能够进行简单的预训练，这在低数据BO方案中是有益的。然而，对NN中的不确定性进行完全贝叶斯处理仍然是难以进行的，并且现有的近似方法(如蒙特卡洛dropout和变分推断)可能会高度地误校准不确定性估计。保形推断优化(CI‑OPT)用使用保形推断计算的置信区间来替代某些BO采集函数中的后验不确定性。具有适于优化的性质的保形评分函数对标准BO数据集和真实世界的蛋白质数据集是有效的。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.037 秒)
