1.一种基于自注意力机制的RNA-蛋白质结合位点预测方法,其特征在于,包括如下步骤: S1:数据获取与预处理:获取RNA与蛋白质结合位点处及其上下游序列数据,并将RNA序列统一为固定的长度; S2:基于k-mer嵌入编码序列数据:对预处理后数据采用滑动窗口法获取序列的k-mer表示,独热向量化k-mer子序列后通过词嵌入降维独热向...
用于构建用于预测蛋白质-RNA相互作用结合位点模型的方法和系统专利信息由爱企查专利频道提供,用于构建用于预测蛋白质-RNA相互作用结合位点模型的方法和系统说明:本发明提供了一种构建用于预测蛋白质‑RNA相互作用结合位点模型的方法和系统,与其对应的还包括使...专利
分类号密级UDC保密期限博士学位论文题目蛋白质分子中RNA结合位点的分析和预测作者姓名**指导教师李伍举研究员应晓敏副研究员培养单位军事医学科学院基础医学研究所专业名称生物化学与分子生物学论文提交日期2012年5月21日学位授予单位中国人民解放军军事医学科学院答辩委员会主席徐宁志中国人民解放军军事医学科学院制军事医学科...
据悉,AlphaFold3具备强大的功能,能够预测多种生物分子的结构,包括蛋白质、核酸(DNA和RNA)、小分子、离子以及修饰残基等,几乎涵盖了蛋白质数据库(PDB)中所有存在的分子类型。 在药物研发领域,AlphaFold3能够帮助研究人员快速识别潜在的药物靶点,通过预测靶点蛋白的结构,揭示其活性位点和结合口袋,为药物设计提供关键的结构...
本发明公开了一种基于自注意力机制的RNA蛋白质结合位点预测方法和系统,使用RNA与蛋白质结合位点处及上下游的序列特征来训练深度学习模型,并使用所述模型对RNA蛋白质相互作用结合位点进行预测;在序列特征的编码过程中本发明引入kmer嵌入的编码方式,编码相邻核苷酸间的上下文关系,为模型提供更多有效的特征;在所述特征的提取...
其使用RNA与蛋白质结合位点处及上下游的序列特征以及测定的RNA结构特征来训练深度学习模型,并使用所述模型对蛋白质RNA相互作用结合位点进行预测.在所述特征的提取过程中分别使用了基于卷积神经网络构建的基序获取模块和基于循环神经网络构建的上下文语义获取模块.本发明中训练出的模型在判断准确度和计算时间以及应用平台的...