搜索结果: 1-15 共查到“计算机科学技术 蛋白质”相关记录43条 . 查询时间(0.173 秒)
我国学者首次利用AI方法准确模拟蛋白质“光学指纹”（图）
AI方法 光学指纹 分子动力学
2024/1/8
记者2024年1月8日从安徽大学获悉，该校人工智能学院叶盛教授、孙长银教授与中国科学技术大学江俊教授等合作，在国际上首次成功利用人工智能、分子动力学模拟和量子化学理论计算方法，高效准确地模拟了完整真实蛋白质的Amide Ⅱ区域红外光谱，为蛋白质的氢键动态学研究提供了坚实的理论和技术支持。相关研究成果日前发表在国际学术期刊《美国化学会志》上。
人工智能“自己”定制新蛋白质
人工智能 机器学习 蛋白质结构预测
2022/9/6
在过去两年中，机器学习彻底改变了蛋白质结构预测。现在，《科学》杂志上的3篇论文描述了蛋白质设计方面的革命：华盛顿大学医学院生物学家的研究表明，机器学习可比以前更准确、更快速地创建蛋白质分子。科学家们希望这一进步将带来更多新的疫苗、疗法、碳捕获工具和可持续生物材料。
纳米黄金粒子“出手”——蚕丝变身超快蛋白质基忆阻器（图）
纳米黄金粒子 蚕丝 蛋白质 基忆阻器
2020/3/16
养蚕缫丝在我国历史悠久。作为一种古老的天然动物纤维，蚕丝包含纤维状蛋白质丝纤蛋白、无机物等成分，以其结构稳定、质量轻、质感柔、易翻新等特点，被广泛应用于家纺、医疗、美容等诸多领域。如今，科研人员尝试将常见的蚕丝制作成生物AI芯片植入人体内，让人工智能与大健康相结合。日前，发表在国际著名学术期刊《先进功能材料》上的一项成果，让这一梦想更近了一步。这项成果来自国家特聘教授、长江学者刘向阳的厦门大学团队...
近年来，蛋白质液液相分离（Liquid-liquid Phase Separation, LLPS）逐渐成为生物学研究的热点之一。它在生命体的正常代谢和疾病过程中都发挥着非常重要的作用。随着越来越多的探索LLPS具体发生机制的报道，人们发现影响蛋白质LLPS的因素主要来自于两个方面：一是蛋白质序列性质，如突变及翻译后修饰的影响；二是受到体系微环境，比如温度、蛋白质浓度、pH值、盐浓度、压力等的调节...
中国科学技术大学等利用人工智能预测蛋白质“光学指纹”（图）
中国科学技术大学 人工智能 蛋白质 光学指纹
2019/6/11
最近，中国科学技术大学微尺度物质科学国家研究中心教授江俊，与中国科大教授罗毅和美国加州大学尔湾分校教授Shaul Mukamel合作，通过利用人工智能机器学习中的神经网络技术，模拟了蛋白质肽键结构与性质之间的构效关系，将计算量一下降低了上万倍。最后他们成功地预测了肽键紫外光谱，还用随机森林的办法揭示了具有化学内涵的结构描述子和构效关系。人工智能与量子化学理论计算的结合，为预测蛋白质的光学特性提供了...
蛋白质是生命的基石，生物的功能依赖于既稳定而又灵活可变的蛋白质结构。蛋白质的光谱响应信号，尤其是紫外光谱，可以称之为蛋白质骨架的“指纹”。这个“光学指纹”，经过理论模拟的解读，可以揭示出精确的蛋白质结构，为生命科学和医学诊断提供极其重要的信息。然而，蛋白质的结构极其复杂多变，需要做大量的高精度的量子化学理论计算。由于计算量太大，即使是最厉害的超级计算机轻易也“吃不消”。所以蛋白质的光谱的理论解读是...
第三届中国计算蛋白质组学研讨会(CNCP-2014)顺利召开
第三届 中国计算蛋白质组学 研讨会
2014/12/26
2014年11月12日至13日，第三届中国计算蛋白质组学研讨会（CNCP-2014，China Workshop on Computational Proteomics）在中国科学院计算技术研究所盛大召开，160多位代表参加了本届会议。CNCP会议的主题是“计算蛋白质组学”。最近十年，随着蛋白质组研究的兴起，特别是用于蛋白质鉴定的质谱技术的快速发展，蛋白质组研究中产生的质谱数据规模越来越大，成为大...
对MS-Alignment算法进行分析得出该算法很难满足大规模数据对鉴定速度的要求，而且具有的一个特点是相同的任务在不同的数据上重复计算，为数据划分提供了基础。基于CUDA编程模型使用图形处理器(GPU)对步骤数据库检索及候选肽段生成进行加速优化，设计了该步骤在单GPU上的实现方法。测试结果表明，此方法平均加速比为30倍以上，效果良好，可以满足蛋白质翻译后修饰鉴定中大规模数据快速计算的需求。
蛋白质相互作用位点在现代药物设计与构建蛋白质相互作用网络方面有着重要的意义。基于一个含有35个蛋白质分子的数据集,首先提取蛋白质的序列谱、熵值、可及表面积3种特征,然后运用误差反向传播神经网络以及其集成对蛋白质的相互作用位点进行了预测。采用35次留一法(一倍交叉验证)进行训练与测试,结果显示每当加入一种新特征时,预测结果都有相应的提高,并且把神经网络集成时,结果又有了一定程度的提高。
基于级联神经网络的蛋白质二级结构预测
神经网络 蛋白质 二级结构预测
2010/2/10
为提高蛋白质二级结构预测的精度，提出一种由两层网络构成的级联神经网络模型。第1层网络采用具有差异度的5个子网构成的网络模型，对第2层网络的输入编码进行改进。对PDBSelect25中的36条蛋白质共6 122个残基进行测试，结果表明，该模型能有效预测蛋白质二级结构，其预测精度分别比SNN, DSC, PREDSATOR方法提高5.31%, 1.21%和0.92%，平均预测精度提高到69.61%。 ...
蛋白质相互作用网络的相似子网搜索问题研究
生物信息学 蛋白质相互作用网络 蛋白质相互作用关系 网络搜索
2010/1/28
蛋白质相互作用网络（Protein-Protein Interactions Network，PIN）的相似性问题是目前生物信息学领域研究的热点。将计算机科学和生物学相结合，提出了蛋白质相互作用网络邻居优先搜索算法。该算法综合蛋白质的序列信息和蛋白质相互作用网络的拓扑结构信息，适度提高与相似蛋白质有直接相互作用的蛋白质之间的相似系数，实现了不同物种间蛋白质相互作用相似子网络的搜索。与同类算法的对比...
蛋白质二级结构预测方法研究
蛋白质 二级结构预测 基因表达式编程 神经网络
2009/12/30
为提高蛋白质二级结构预测精度，提出一种新的网络模型和编码方法。首先利用基因表达式编程（GEP）的全局搜索能力同时进化设计神经网络的结构和连接权；其次，对神经网络输入层编码进行了改进，添加了氨基酸残基所处的疏水环境。用PDBSelect25中的36条蛋白质共6 122个残基进行测试，结果表明提出的网络模型和编码方法能有效提高蛋白质二级结构预测的精度。
利用蛋白质的二面角序列对蛋白质结构比对
广义极值分布 二面角序列 动态时间规整 p-value
2009/12/10
蛋白质结构比对对理解蛋白质功能和进化关系非常重要。提出一种基于蛋白质残基的二面角的结构比对算法。通过动态时间规整算法比对二面角序列，来比较蛋白质的结构，拟合两蛋白结构距离的分布后，利用p-value来评价比对的好坏。主要结果有：利用动态时间规整算法计算得出的结构距离是一个很好的蛋白质结构相似性度量；结构距离服从参数为μ=94.769 7，σ=41.583 7，ξ=0.192 5的广义的极值分布；和...
使用半监督学习方法中的自训练、协同训练方法,利用少量已标注样本和大量未标注样本来完成蛋白质关系抽取的任务.首先使用基于词特征的SVM(support vector machine)模型进行自训练,然后使用基于词特征的SVM模型和基于依存树特征的SVM模型进行协同训练.通过对4个语料的实验,验证了自训练及协同训练方法在蛋白质关系抽取领域中的应用效果.相比于自训练,协同训练可以通过两个相对独立的视图相...