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...
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...
本发明涉及蛋白质与小分子结合位点预测方法、预测装置,属于小分子结合蛋白结合位点预测技术领域。背景技术蛋白质并不是独立存在的,它们必须和诸如DNA、RNA以及其它的蛋白质和小分子相互作用来发挥其生物学功能。其中蛋白质-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,知道蛋白质与其他小分子的相互作用位点,...
一种与蛋白质或小分子结合的核酸结合位点的预测方法,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...
该研究提出了一个基于与训练的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,CLAPE-SMB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...
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
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中...