一种基于序列预测蛋白质变性温度的系统及其方法

    公开(公告)号:CN110415762A

    公开(公告)日:2019-11-05

    申请号:CN201910719819.6

    申请日:2019-08-06

    Applicant: 苏州大学

    Abstract: 本发明公开了一种基于序列预测蛋白质变性温度的系统及其方法,该系统由蛋白质信息输入模块、蛋白质序列特征计算模块、蛋白质稳定性预测模块、预测结果输出模块和数据库组成。该预测方法主要为首先获取单一或批量蛋白质序列,并计算蛋白质的物理特征、电荷特征、结构特征、生化特征和属性特征,然后提取重要特征并计算蛋白质的变性温度,作为蛋白质稳定性的预测结果,最后保存预测结果并自动发送给用户。本发明的这种预测方式实用性强,且具有较高的预测准确率,特别是在蛋白质结构未知的情况下也能预测蛋白质变性温度的具体数值,而不是仅仅进行分类预测,泛化性强,对于蛋白质功能分析、辅助蛋白质工程和设计、药物设计等方面具有重大的意义。

    源于分枝杆菌噬菌体多肽的衍生肽及其应用

    公开(公告)号:CN107827955A

    公开(公告)日:2018-03-23

    申请号:CN201711165342.9

    申请日:2017-11-21

    Applicant: 苏州大学

    Inventor: 卫林 徐薇 杨洋

    Abstract: 本发明涉及一种源于分枝杆菌噬菌体多肽的衍生肽,其疏水性氨基酸和亲水性氨基酸分别集中于两侧,其氨基酸序列如SEQ ID No.1所示。本发明还公开了上述源于分枝杆菌噬菌体多肽的衍生肽在制备抗结核杆菌药物中的应用。本发明的衍生肽具有两亲性的α-螺旋结构,抗结核杆菌效果明显,对其他正常的革兰氏阳性菌和阴性菌没有影响,在制备抗结核药物中具有较好的应用前景。

    基于序列信息的蛋白质毒性预测方法和系统

    公开(公告)号:CN119418780A

    公开(公告)日:2025-02-11

    申请号:CN202510014140.2

    申请日:2025-01-06

    Applicant: 苏州大学

    Abstract: 本发明提供一种基于序列信息的蛋白质毒性预测方法和系统,方法包括从蛋白质数据库中获取多个蛋白质序列;对所有蛋白质序列进行特征计算,得到六大类蛋白质特征向量;将六大类特征向量按列拼接,得到第一特征向量;对第一特征向量进行降维筛选,得到目标维度的第二特征向量;利用第二特征向量训练基于图注意力的神经网络模型,并将训练好的神经网络模型作为蛋白质毒性预测模型;将新的蛋白质序列输入至蛋白质毒性预测模型,得到蛋白质毒性预测模型输出的毒性预测结果。本发明能够适应不同类型的蛋白质序列,通过学习到的通用序列模式对蛋白质毒性准确预测。

    表没食子儿茶素没食子酸酯在制备抗耐药菌的药物中的应用

    公开(公告)号:CN118021793A

    公开(公告)日:2024-05-14

    申请号:CN202410313948.6

    申请日:2024-03-19

    Abstract: 本发明涉及医学技术领域,尤其涉及表没食子儿茶素没食子酸酯在制备抗耐药菌的药物中的应用。经体外细胞实验(Westernblot、ELISA和免疫荧光)和体内动物实验研究,证实了表没食子儿茶素没食子酸酯能够降低碳青霉烯耐药鲍曼不动杆菌细菌载量、降低碳青霉烯耐药鲍曼不动杆菌诱导的炎症细胞因子水平、减轻碳青霉烯耐药鲍曼不动杆菌诱导肺组织病理损伤,表明,表没食子儿茶素没食子酸酯可显著抑制碳青霉烯耐药鲍曼不动杆菌感染的发生发展,可用于制备抗碳青霉烯耐药鲍曼不动杆菌感染的药物。

    一种基于序列预测蛋白质变性温度的系统及其方法

    公开(公告)号:CN110415762B

    公开(公告)日:2023-03-31

    申请号:CN201910719819.6

    申请日:2019-08-06

    Applicant: 苏州大学

    Abstract: 本发明公开了一种基于序列预测蛋白质变性温度的系统及其方法,该系统由蛋白质信息输入模块、蛋白质序列特征计算模块、蛋白质稳定性预测模块、预测结果输出模块和数据库组成。该预测方法主要为首先获取单一或批量蛋白质序列,并计算蛋白质的物理特征、电荷特征、结构特征、生化特征和属性特征,然后提取重要特征并计算蛋白质的变性温度,作为蛋白质稳定性的预测结果,最后保存预测结果并自动发送给用户。本发明的这种预测方式实用性强,且具有较高的预测准确率,特别是在蛋白质结构未知的情况下也能预测蛋白质变性温度的具体数值,而不是仅仅进行分类预测,泛化性强,对于蛋白质功能分析、辅助蛋白质工程和设计、药物设计等方面具有重大的意义。

    源于分枝杆菌噬菌体多肽的衍生肽及其应用

    公开(公告)号:CN107827955B

    公开(公告)日:2020-05-29

    申请号:CN201711165342.9

    申请日:2017-11-21

    Applicant: 苏州大学

    Inventor: 卫林 徐薇 杨洋

    Abstract: 本发明涉及一种源于分枝杆菌噬菌体多肽的衍生肽,其疏水性氨基酸和亲水性氨基酸分别集中于两侧,其氨基酸序列如SEQ ID No.1所示。本发明还公开了上述源于分枝杆菌噬菌体多肽的衍生肽在制备抗结核杆菌药物中的应用。本发明的衍生肽具有两亲性的α‑螺旋结构,抗结核杆菌效果明显,对其他正常的革兰氏阳性菌和阴性菌没有影响,在制备抗结核药物中具有较好的应用前景。

    一种利用文本数据构建蛋白质相互作用网络的方法

    公开(公告)号:CN104657626A

    公开(公告)日:2015-05-27

    申请号:CN201510086244.0

    申请日:2015-02-25

    Applicant: 苏州大学

    CPC classification number: G06F19/18

    Abstract: 本发明公开了一种利用文本数据构建蛋白质相互作用网络的方法,其特征在于,包括:⑴建立蛋白质集合;⑵记录蛋白质集合中所有蛋白质两两发生相互作用的概率值;⑶根据概率值的大小构建初始网络结构;⑹反复选择蛋白质,给定正或负作用反馈值,在初始网络结构上不断迭代,获得最终网络结构。本发明采用反复选择、相互作用的方式,以正反馈、负反馈和禁止反馈基础,通过强化学习来构建一个作用网络的概率图,与生物知识和生物数据无缝结合。

    连翘苷作为唯一活性成分在制备改善认知功能及治疗阿尔茨海默症药物中的应用

    公开(公告)号:CN102784160B

    公开(公告)日:2014-04-02

    申请号:CN201210319217.X

    申请日:2012-09-03

    Applicant: 苏州大学

    Inventor: 杨洋

    Abstract: 本发明在于公开了天然药用植物活性成分连翘苷的新用途,具体地说是涉及连翘苷作为唯一活性成分在制备改善认知功能及治疗阿尔茨海默症药物中的应用。动物和细胞研究结果表明:连翘苷具有确切的认知功能改善作用,可显著改善老龄及阿尔兹海默症模型动物空间学习记忆能力;升高老龄动物中枢单胺类神经递质水平;降低阿尔兹海默症模型大鼠脑内早老素2基因表达;提高β-淀粉样蛋白诱导的人神经母细胞瘤细胞存活率。利用连翘苷配以相关辅料,用常规的制剂方法可制成针对性改善认知功能及治疗阿尔茨海默症的保健品或药物,上述保健品和药物可用于延缓和改善认知功能减退相关疾病如阿尔兹海默症的病程发展,提高老年人的健康素质和生命质量,实现健康老龄化的社会价值。

    一种智能调控烧结厂圆筒制粒机制粒效果的方法

    公开(公告)号:CN119964673A

    公开(公告)日:2025-05-09

    申请号:CN202411991557.6

    申请日:2024-12-31

    Applicant: 苏州大学

    Abstract: 本发明提供了一种智能调控烧结厂圆筒制粒机制粒效果的方法,包括如下步骤:获取以往气温、湿度、原料配比、制粒过程添加的水分、烧结机的利用系数、烧结矿的成品率和转鼓强度,作为历史数据信息;将历史数据信息进行正序处理并剔除异常数据,筛选出烧结矿质量良好时所添加的制粒过程水分样本作为最佳样本组;确定BP神经网络的初始结构,利用白鲸优化算法BWO进行优化,通过筛选后的最佳样本组对优化后的BP神经网络进行训练,得到满足边界条件的BWO‑BP模型;通过BWO‑BP模型预测烧结混合料制粒过程所应添加的最优水分,根据最优水分进行制粒。本发明与现有技术相比能更精确、智能和及时的测定混合料制粒效果,并对烧结混合料的制粒效果进行调整。

    基于对比学习的剪接变异体致病性预测方法及系统

    公开(公告)号:CN119400239A

    公开(公告)日:2025-02-07

    申请号:CN202411990089.0

    申请日:2024-12-31

    Applicant: 苏州大学

    Abstract: 本发明涉及生物信息学技术领域,具体提供了一种基于对比学习的剪接变异体致病性预测方法及系统,仅使用剪切变异体变异前后的DNA序列信息,极大简化了模型的特征输入。经过DNA预训练模型获取序列信息的嵌入,再通过一个对比学习模块进行处理,对于变异后表现为致病性的变异体,对比学习模块将其处理为差异性更大的嵌入;对于变异后为良性的变异体,则是减小二者的区别,使分类器更容易捕捉到其中的细微区别,进而实现高效的致病性预测。本发明直接从序列中学习,减少了因特征选择不同而导致的模型偏差,避免生物特征计算中引入的额外误差,在盲测集上的性能表明模型可准确预测致病性变异,同时兼具平衡性、良好的泛化性和鲁棒性。

Patent Agency Ranking