近日，清华大学药学院田博学课题组研究提出了一个基于蛋白质语言模型和对比学习的蛋白质-小分子结合位点预测模型（CLAPE-SMB），并整理了蛋白质-小分子结合位点数据集UniProtSMB，发现该模型在UniProtSMB的测试集上达到了0.699的MCC，优于其他模型。与基于结构的预测方法相比，CLAPE-SMB特别适用于缺乏精确实验结构的蛋白...
在引言部分中,将对小分子-蛋白结合位点预测方法的重要性进行概述,介绍文章的结构和目的。 正文部分将介绍三种主要的预测方法:小分子-蛋白结合位点预测方法1、小分子-蛋白结合位点预测方法2和小分子-蛋白结合位点预测方法3。每种方法将详细解释其原理、优缺点以及应用领域。 结论部分将对前文的内容进行总结和回顾,展望...
本发明公开了一种与蛋白质或小分子结合的核酸结合位点的预测方法,属于生物分子相互作用预测研发领域.本发明方法包括如下步骤:以核酸分子结构中的核苷酸作为网络模型中的节点,核酸分子序列上两个非连续的核苷酸重原子之间的最短距离小于时则形成网络模型的边,将核酸分子结构转化为核酸分子网络模型,通过计算核酸网络的节点...
浙江大学硕士学位论文中文摘要蛋白质小分子结合位点预测新算法研究开发中文摘要蛋白质.小分子结合位点是蛋白质表面行使蛋白质生物功能的活性位点,所以通常研究蛋白质的功能或者基于结构化的药物设计的第一步都是在蛋白质的表面准确的预测这种结合位点的位置以及结合位点周围的氨基酸信息。近20年来人们开发了很多的预测蛋白质...
一种与蛋白质或小分子结合的核酸结合位点的预测方法,包括如下步骤: (1)核酸结构选取和建模 若核酸分子在生物分子结构数据库(rcsbpdbdatabase)中有三级结构,则以该结构作为初始结构信息; 若核酸分子在生物分子结构数据库(rcsbpdbdatabase)中无三级结构,则使用主流的核酸结构预测方法搭建核酸分子的三级结构模型作为初始结...
专利名称 一类人工智能辅助活性小分子构象和蛋白结合位点预测构建活性荧光探针方法 申请号 202210013603X 申请日期 2022-01-01 公布/公告号 CN114822693A 公布/公告日期 2022-07-29 发明人 王忠长,王学傲,刘雅妮,雷德维 专利申请人 南京碳硅人工智能生物医药技术研究院有限公司,南京大学人工智能生物医药技术研究院 ...
相比之下,基于序列的模型摆脱对结构的依赖,使用简单但精确度较低。如GraphBind和DeepProSite,在仅使用序列信息的情况下表现一般。因此,目前基于蛋白质序列的小分子结合位点的预测仍然是一个具有挑战性的问题。 研究过程 PROCESS 为了解决目前...
该研究提出了CLAPE-SMB,它将预训练的蛋白语言模型与对比学习相结合,实现了高精度的小分子结合位点预测,尤其适用于没有晶体结构的蛋白质。课题组在基于sc-PDB、JOINED和COACH420构建的非冗余SJC数据集上对CLAPE-SMB进行了训练和测试,获得了...
发明中提出了新的蛋白质与小分子结合位点预测方法,该方法中使用滑动采样窗口法提取数据;蛋白质结合作用会受到结合残基周围环境影响,因此采用采样窗口法提取数据来表征中心位置的残基的特征,具有更好的表征效果;在使用提取的特征构建XGBoost分类模型后,分类模型具有更好的预测效果,能够更准确的预测蛋白与小分子的结合位点....
一种与蛋白质或小分子结合的核酸结合位点的预测方法专利信息由爱企查专利频道提供,一种与蛋白质或小分子结合的核酸结合位点的预测方法说明:本发明公开了一种与蛋白质或小分子结合的核酸结合位点的预测方法,属于生物分子相互作用预测研发领域...专利查询请上爱企查