国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發(fā)布專利 發(fā)布成果 人才入駐 發(fā)布商標 發(fā)布需求

在線咨詢

聯(lián)系我們

龍圖騰公眾號
首頁 專利交易 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 IP管家助手 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 恭喜上海交通大學夏瑩獲國家專利權

恭喜上海交通大學夏瑩獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監(jiān)控用IP管家,真方便!

龍圖騰網(wǎng)恭喜上海交通大學申請的專利基于圖神經(jīng)網(wǎng)絡表征的蛋白質與核酸結合位點預測方法獲國家發(fā)明授權專利權,本發(fā)明授權專利權由國家知識產權局授予,授權公告號為:CN114765063B

龍圖騰網(wǎng)通過國家知識產權局官網(wǎng)在2025-04-01發(fā)布的發(fā)明授權授權公告中獲悉:該發(fā)明授權的專利申請?zhí)?專利號為:202110037110.5,技術領域涉及:G16B20/30;該發(fā)明授權基于圖神經(jīng)網(wǎng)絡表征的蛋白質與核酸結合位點預測方法是由夏瑩;沈紅斌;潘小勇;夏春秋設計研發(fā)完成,并于2021-01-12向國家知識產權局提交的專利申請。

基于圖神經(jīng)網(wǎng)絡表征的蛋白質與核酸結合位點預測方法在說明書摘要公布了:一種基于圖神經(jīng)網(wǎng)絡表征的蛋白質與核酸結合位點預測方法,通過構建蛋白質與核酸相互作用數(shù)據(jù)集,經(jīng)樣本融合處理后提取其中蛋白質中每個殘基的位置和特征信息及其結構上下文,并據(jù)此構建殘基結構上下文的圖表示,通過層次圖神經(jīng)網(wǎng)絡對待預測的蛋白質的圖表示進行預測,得到每個殘基與DNARNA結合的概率,實現(xiàn)蛋白質與核酸結合位點預測。本發(fā)明通過基于結構上下文的殘基的圖表示和層次圖神經(jīng)網(wǎng)絡模型來從圖表示中學習結合位點的關鍵結構和特征模式。

本發(fā)明授權基于圖神經(jīng)網(wǎng)絡表征的蛋白質與核酸結合位點預測方法在權利要求書中公布了:1.一種基于圖神經(jīng)網(wǎng)絡表征的蛋白質與核酸結合位點預測方法,其特征在于,通過構建蛋白質數(shù)據(jù)集,經(jīng)樣本融合處理后提取其中蛋白質中每個殘基的位置信息及其結構上下文,并據(jù)此構建殘基結構上下文的圖表示,通過層次圖神經(jīng)網(wǎng)絡對待預測的蛋白質的圖表示進行預測,得到每個殘基與DNARNA結合的概率,實現(xiàn)蛋白質與核酸結合位點預測;所述的蛋白質數(shù)據(jù)集,即與DNARNA發(fā)生相互作用的蛋白質數(shù)據(jù)集,其具體通過以下方式構建得到:從BioLip中提取蛋白質與核酸的復合物集合和蛋白質與核酸結合位點的標簽,并根據(jù)復合物中堿基的類別提取與DNA結合的蛋白質集合、與RNA結合的蛋白質集合;所述的層次圖神經(jīng)網(wǎng)絡根據(jù)訓練集樣本,有監(jiān)督地從殘基結構上下文的圖表示中學習結合位點的局部幾何和特征的局部模式,具體包括:圖網(wǎng)絡編碼單元、基于門循環(huán)單元的K層堆疊圖神經(jīng)元塊、基于多層感知機的二分類器,其中:圖網(wǎng)絡編碼單元依次進行邊編碼、節(jié)點編碼和圖編碼;基于門循環(huán)單元的K層堆疊圖神經(jīng)元塊依次進行邊更新、節(jié)點更新和圖更新;基于多層感知機的二分類器根據(jù)更新得到的圖特征{uk|k=1,…,K}預測出殘基與DNARNA的結合概率;所述的蛋白質與核酸結合位點預測,通過層次圖神經(jīng)網(wǎng)絡預測得到的每個殘基與DNARNA結合的概率,并與閾值T比較得到結合殘基和非結合殘基。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯(lián)系本專利的申請人或專利權人上海交通大學,其通訊地址為:200240 上海市閔行區(qū)東川路800號;或者聯(lián)系龍圖騰網(wǎng)官方客服,聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。

免責聲明
1、本報告根據(jù)公開、合法渠道獲得相關數(shù)據(jù)和信息,力求客觀、公正,但并不保證數(shù)據(jù)的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發(fā)布本報告當日的職業(yè)理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據(jù)或者憑證。
主站蜘蛛池模板: 隆化县| 额尔古纳市| 乌拉特前旗| 通化县| 孝昌县| 九龙县| 琼海市| 黄山市| 锡林浩特市| 淄博市| 惠安县| 新和县| 崇州市| 朔州市| 偃师市| 台南县| 瑞昌市| 荆门市| 康乐县| 肇源县| 咸丰县| 库尔勒市| 霍山县| 泸水县| 嘉义县| 前郭尔| 盱眙县| 安溪县| 潜山县| 大悟县| 石狮市| 鄂托克前旗| 江西省| 新蔡县| 英山县| 乳山市| 炎陵县| 宜春市| 聊城市| 寿阳县| 织金县|