-
Patent Agency Ranking
公开(公告)号：CN114841898A
公开(公告)日：2022-08-02
申请号：CN202210750372.0
申请日：2022-06-29
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度学习的冷冻电镜三维密度图后处理方法和装置，属于结构生物学检测技术领域，所述方法包括：构建包括多个实验密度图和关联的PDB结构的训练样本集；将每个实验密度图和其对应的模拟密度图进行分割得到多个实验密度块和多个模拟密度块；将各个实验密度图对应的多个实验密度块输入基于UNet++网络模型构建的深度学习网络得到多个预测密度块；利用目标损失函数获取预测密度块与对应的模拟密度块之间的差值，反向传播差值从而训练深度学习网络；将当前冷冻电镜密度图切割为多个当前密度块，将当前密度块输入训练好的深度学习网络，将输出的密度块进行组装得到最终密度图。本发明能够提高冷冻电镜密度图的可解释性。
-
公开(公告)号：CN118053493A
公开(公告)日：2024-05-17
申请号：CN202410042612.0
申请日：2024-01-10
Applicant: 华中科技大学
Abstract: 本发明公开了一种从冷冻电镜图中构建RNA三维结构的方法、装置和电子设备，属于生物大分子结构测定技术领域，所述方法包括：将当前冷冻电镜图输入第一深度神经网络和第二深度神经网络，分别得到当前原子概率图和当前核苷酸类型，无需依赖大量人力资源，节约人工成本的同时提高了执行效率；利用当前原子概率图确定各个骨架原子的位置并构建成主链路径，进一步地结合当前RNA序列以及当前核苷酸类型对其进行主链路径评分，可以滤除冗余主链路经，降低后续数据整合的计算复杂度；对评分靠前的进行骨架原子添加、模板核苷酸叠合以及螺旋结构优化，且最终得到的RNA三维结构的构建高度依赖与之对应的当前冷冻电镜图和当前RNA序列、精度较高。
-
公开(公告)号：CN114841898B
公开(公告)日：2022-09-23
申请号：CN202210750372.0
申请日：2022-06-29
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度学习的冷冻电镜三维密度图后处理方法和装置，属于结构生物学检测技术领域，所述方法包括：构建包括多个实验密度图和关联的PDB结构的训练样本集；将每个实验密度图和其对应的模拟密度图进行分割得到多个实验密度块和多个模拟密度块；将各个实验密度图对应的多个实验密度块输入基于UNet++网络模型构建的深度学习网络得到多个预测密度块；利用目标损失函数获取预测密度块与对应的模拟密度块之间的差值，反向传播差值从而训练深度学习网络；将当前冷冻电镜密度图切割为多个当前密度块，将当前密度块输入训练好的深度学习网络，将输出的密度块进行组装得到最终密度图。本发明能够提高冷冻电镜密度图的可解释性。
-
公开(公告)号：CN115083513B
公开(公告)日：2023-03-10
申请号：CN202210709043.1
申请日：2022-06-21
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于中等分辨率冷冻电镜图构建蛋白质复合物结构的方法，采用深度学习引导的方法，从中间分辨率的冷冻电镜图中自动构建多链蛋白质复合物的结构。通过对从序列预测的单链的蛋白质结构进行迭代拟合、优化和组装，可以在不需要人为干预的情况下构建高质量的蛋白质复合物结构。不同于现有技术将蛋白质链与冷冻电镜图进行拟合的方式，本发明将蛋白质链与主链概率图进行拟合；主链概率图中每个格点上的值代表在该格点周围找到主链原子的概率；使用基于UNet++的深度学习网络模型，从输入的密度图预测主链概率图；与密度图相比，主链概率图包含了更精确的主链原子位置信息，能够提高拟合的精度。
-
公开(公告)号：CN115083513A
公开(公告)日：2022-09-20
申请号：CN202210709043.1
申请日：2022-06-21
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于中等分辨率冷冻电镜图构建蛋白质复合物结构的方法，采用深度学习引导的方法，从中间分辨率的冷冻电镜图中自动构建多链蛋白质复合物的结构。通过对从序列预测的单链的蛋白质结构进行迭代拟合、优化和组装，可以在不需要人为干预的情况下构建高质量的蛋白质复合物结构。不同于现有技术将蛋白质链与冷冻电镜图进行拟合的方式，本发明将蛋白质链与主链概率图进行拟合；主链概率图中每个格点上的值代表在该格点周围找到主链原子的概率；使用基于UNet++的深度学习网络模型，从输入的密度图预测主链概率图；与密度图相比，主链概率图包含了更精确的主链原子位置信息，能够提高拟合的精度。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
