蛋白建模及优化相关 - 程序员宅基地

Cell Systems | 深度学习开启蛋白质设计新时代

结合用于生成建模和序列分析的新型架构，这些方法在过去几年里显著地革新了蛋白质设计领域，提高了识别新蛋白质序列和结构的准确性和能力。深度神经网络现在能够学习和提取蛋白质结构的基本特征，预测它们...

《用于预测蛋白质-配体结合亲和力的结构感知交互图神经网络》

《用于预测蛋白质-配体结合亲和力的结构感知交互图神经网络》 1.文章原标题与链接《Structure-aware Interactive Graph Neural Networks for the Prediction of Protein-Ligand Binding Affinity》 ...

AlphaFold蛋白质结构预测的强化学习

标签：计算科学神经计算深度学习

1. 背景介绍 1.1 蛋白质结构预测的重要性蛋白质是生命的基本单位,在生物体内承担着各种重要的生理功能。蛋白质的三维结构决定了它的功能,因此准确预测蛋白质的三维结构对于理解蛋白质的功能、设计新药物和开发新的...

Nat. Mach. Intell. | 快速的蛋白质结构从头预测

今天给大家介绍一篇Nature Machine Intelligence期刊的论文“AmoebaContact and GDFold as a pipeline for rapid de novo protein structure prediction”，该工作由清华大学龚海鹏课题组完成。...

蛋白质定向进化策略

标签：其他

蛋白质定向进化的本质是构建分子多样性文库以及从文库中筛选到性状有改进的突变体，根据文库构建原理的不同，可分为随机进化、半理性进化和理性进化三种策略，其大致思路均为由某一靶基因或一族相关的家族基因...

各类轨迹建模技术如何使用？适用数据、步骤及规范，一文讲清楚

标签： python 开发语言

统计服务，欢迎咨询！郑老师团队指导 | 重复测量资料的数据分析一对一高级学习班，掌握SPSS、R语言分析技巧本文翻译自《Clinical Epidemiology》杂志的一篇论文，题为：“Trajectory Modelling Techniques Useful to...

COREF：GPCRS主干灵活性的组合优化方法

标签： Backbone; Binding pockets; Docking algorithms; G-protein coupled receptors; GPCRs; Interface residues; Ligand conformations; Ligand docking

G蛋白偶联受体（GPCR）-配体通过计算方法灵活对接的两个挑战是：（1）当配体与受体对接时如何准确建模骨架的扰动；（2）如何在接近配体的情况下对骨架进行采样装订袋。为了解决这两个挑战，我们提出了一种组合优化...

Nature｜人工智能助力蛋白质折叠预测

标签：人工智能数据挖掘神经网络

AlphaFold2和RoseTTAFold等深度学习算法现在可以根据蛋白质的线性序列预测其三维形状，这对结构生物学家来说是一个巨大的福音。

aPRBind：结合序列和基于卷积神经网络学习的基于I-TASSER模型的结构特征，预测蛋白质-RNA相互作用

标签：神经网络机器学习数据挖掘

目录Paper_Info预备知识：AbstractMotivation:Results:1 Introduction2 Methods2.1 Data2.2 基于 I-TASSER的结构构件2.3 Features extraction2.4 Convolutional neural networks2.5 aPRBind算法的体系结构2.6 ...

Modeller-单模板建模（basic-example实例）

标签： python

本文对应第一个实例：basic_example.zip，分为七部分。七个部分即运行七个脚本，需要安装python后，在cmd命令行下运行。所有文件应该放在同一个文件夹中。我的在d盘demo文件夹中。运行“cmd”（或者打开modeller...

医学建模和有限元分析

标签：其他交互图像处理

03 医学有限元分析服务内容骨科有限元分析介绍 1、颈椎颈椎，指颈椎骨。颈椎位于头以下、胸椎以上的部位。颈椎共有七块颈椎骨组成，除第一颈椎和第二颈椎外，其他颈椎之间都夹有一个椎间盘，加上第七颈椎和...

Rosetta从头蛋白抗体设计、结构优化及在药物研发中的应用

标签：经验分享课程设计

因此，优化蛋白质的稳定性是科学研究与工程应用领域亟待解决的关键问题。Rosetta是一种生物物理建模工具，根据蛋白质的氨基酸序列有效预测蛋白质的结构，在此基础上可以从头设计各种类型的全新蛋白质。教学目标：...

DeepFunc：一种深度学习框架，可根据蛋白质序列和相互作用准确预测蛋白质功能

摘要蛋白质功能的诠释对于从分子水平理解生命...更准确地说，DeepFunc使用一个长而稀疏的二进制向量来编码从InterPro工具收集的与输入蛋白质序列相关的结构域、家族和基序的信息。该向量经过两层神经网络处理后得到

notes_质谱&蛋白组学数据分析基础知识

标签：数据分析数据挖掘

质谱组学，尤其质谱蛋白组学的基础概念。

论文研究-基于优化判别模型的蛋白质分类方法.pdf下载

在远同源检测的蛋白质分类方法中，基于判别模型的分类器相对于其他方法取得了最高的准确性，但这类方法都面临训练建模时因正类样本不足导致的训练不平衡问题。为此提出一种基于优化判别模型的蛋白质分类方法，通过对...

论文解读：多层肽 - 蛋白质相互作用预测的深度学习框架

标签：深度学习人工智能计算机视觉

我们从两个来源构建了一个基准数据集，即来自RCSBPDB21,22的蛋白质-肽...在这里，我们提出了一个深度学习框架，用于多级肽蛋白相互作用预测，称为CAMP，包括二进制肽-蛋白质相互作用预测和相应的肽结合残基鉴定。...

NeuIPS | 蛋白设计新方法？基于图的蛋白生成模型

标签：人工智能神经网络算法

今天给大家介绍的是麻省理工大学计算机科学和人工智能实验室在NeuIPS 2019会议上发表的一篇文章。在文中，作者提出了一种基于图结构的蛋白质序列生成模型，通过聚焦三维空间上相邻的蛋白质...

Cell Systems | 填充式语言建模用于抗体序列设计

标签：人工智能深度学习机器学习

用于治疗应用的单克隆抗体的发现和优化依赖于大型序列库，但是由于可开发性问题而受到阻碍。基于数百万蛋白质序列训练的生成式语言模型，是按需生成现实且多样化序列的强大工具。作者提出了免疫球蛋白语言模型（IgLM...

Science | 利用深度学习搭建蛋白质功能位点(Scaffolding protein functional sites using deep learning)

标签：深度学习人工智能

蛋白质的结合和催化功能通常是由蛋白质整体结构所固定的少量功能残基所介导的。也就是说蛋白质的生化功能通常是由组成功能位点的残基自己来实现的，因此设计具有新功能的蛋白质可以分为两个步骤。...

蛋白质功能预测

蛋白质功能预测： ...通常指蛋白序列中相邻或相近的一组具有保守性的残基，与蛋白质分子及家族的功能有关。 3． Smith-Waterman算法： 1981年，Smith 和Waterman提出的一种用来寻找并比较这些具有局部相似区域...

羟基氯喹与SARS-COV-2感染相关蛋白结合的研究

标签：医学信息学解锁靶蛋白结合计算研究感染机制分析

医学信息学解锁26（2021）100714羟基氯喹与SARS-COV-2感染相关靶蛋白结合的计算研究V.B. Navya，M.V.霍苏尔*国家高级研究所，IISc。班加罗尔，印度A R T I C L EI N FO关键词：冠状病毒SARS-COV-2...

"真菌共生营养转运蛋白参数识别与评价的计算模拟实验

标签：理论计算机科学参数识别与评价营养转运蛋白生物系统动力学优化技术

可在www.sciencedirect.com在线获取理论计算机科学电子笔记293（2013）83-96www.elsevier.com/locate/entcsAM真菌共生过程中营养转运蛋白的参数识别与评价伊娃·夏卡a，1萨尔瓦多...用最优化技术提取参数通常应用于用微

CADD课程学习（13）-- 研究蛋白小分子动态相互作用-III(蛋白配体复合物 GROMACS)

标签：人工智能

CADD课程学习（13）-- 研究蛋白小分子动态相互作用-III(蛋白配体复合物 GROMACS)

"基因调控的模糊语言建模

标签：基因调控生物模型语言建模实验数据系统生物学

⃝⃝可在www.sciencedirect.com在线ScienceDirectICT Express 5（2019）182www.elsevier.com/locate/icte基因调控的语言建模：从实验语言到建模作者：Alexander V. Spirova，b， J. MyaschivacaLab Modeling of ...