本发明涉及生物信息学技术领域，公开一种MICP功能基因调控网络解析方法、装置、设备及介质，本方案将MICP功能基因的表达数据二值化并映射为一维有序序列；其次，将基因状态序列编码为量子态向量，并利用矩阵乘积态张量网络对其进行高效压缩表示；在此基础上，不仅计算基因对之间的量子互信息以构建二元调控骨架网络，更进一步计算多元量子互信息，以识别显著的多基因协同或冗余调控模块；最后，通过统计检验筛选可靠关系，整合构建出综合调控网络并进行功能分析，通过量子化与张量网络，突破了传统方法在高阶关系捕捉上的瓶颈，显著提升了网络推断的稳健性与解析深度。
📄 2026101887392
📂 G16B20_00
👤 龙岩学院
📅 2026-02-10
一种基于多轨迹和残基接触信息的蛋白质结构预测方法，首先，对目标构象和随机选取的两个构象分别启动采用不同能量函数的Monte Carlo轨迹进行搜索；在所有的轨迹搜索结束后，采用统一的能量函数对组装后的三个构象进行打分；其次，分别计算出每个构象的特征向量与初始特征向量的距离误差；最后，按照一定的权重计算出能量与距离误差的总分，根据总分的大小选出潜在构象，并且用潜在构象替换目标构象。本发明提出一种预测精度高、计算代价低的基于多轨迹和残基接触信息的蛋白质结构预测方法。
📄 2018109860355
📂 G16B20_00
👤 浙江工业大学
📅 2018-08-28
一种蛋白质结构预测算法评价指标构建方法，利用Rosetta Abinitio协议对搜索空间进行搜索，通过对背景点的聚类找到潜在天然态区域；然后，执行待评价预测算法的迭代过程，分析每一代种群的进化状态；其次，计算种群前后两代的状态转移矩阵并用香农熵量化种群状态变化情况；最后，记录历代熵值，从而反应算法在蛋白质结构预测的作用。本发明提供一种蛋白质结构预测算法评价指标构建方法，一方面，在一定程度上直观反映算法在预测过程中的所处的状态，另一方面，利用熵值可以比较多个算法在预测中起到的作用。
📄 2018102387483
📂 G16B20_00
👤 浙江工业大学
📅 2018-03-22
一种基于模板自适应选择的多域蛋白结构组装方法，首先，利用蛋白质比对工具对多域蛋白库的中各模板进行打分，并根据打分进行降序排名；然后，选择出排名靠前的部分模板进行组装，并对每个模板设置一个选择概率；其次，在组装过程中，每隔一定的阶段，根据各模板组装得到的结构被成功接收的次数和该模板被选择的次数动态更新各模板被选择的概率；最后，在每次迭代中，根据各模板的选择概率，利用轮盘赌选择出一个模板产生的结构进行随机选择和平移，从而产生新的结构。本发明提供一种计算代价较低、预测精度较高的基于模板自适应选择的多域蛋白结构组装方法。
📄 2017107571996
📂 G16B20_00
👤 浙江工业大学
📅 2017-08-29
一种基于距离相似度的蛋白质构象空间搜索方法，在遗传算法的基本框架下，对每个目标个体完成交叉和变异操作；计算出目标个体残基间的空间距离值，并由这些空间距离值构成目标特征向量；然后，求出目标个体的特征向量与先验知识中目标蛋白的初始特征向量的Manhattan距离；同理，计算得到变异个体对应的变异特征向量以及对应的Manhattan距离；最后，根据Manhattan距离值和能量值选出优势个体，更新种群。本发明提出一种预测精度高、计算代价低的基于距离相似度的蛋白质构象空间搜索方法。
📄 2017107173912
📂 G16B20_00
👤 浙江工业大学
📅 2017-08-21
一种基于二级结构相似性选择策略的蛋白质结构预测方法，包括以下步骤：首先预测查询序列的二级结构信息，构建片段库；其次建立基于二级结构信息的相似性函数，设计交叉变异策略；最后根据二级结构相似性得分更新种群，利用二级结构相似性能够有效地提高算法采样能力和预测精度。本发明提供一种预测精度较高的蛋白质结构预测方法。
📄 2018107629135
📂 G16B20_00
👤 浙江工业大学
📅 2018-07-12
一种基于残基位置特征的蛋白质相互作用位点预测方法，首先根据待进行蛋白质相互作用位点预测的序列信息，计算出该序列中每个残基的残基位置特征向量；然后，搭建卷积网络框架，通过从UniProt数据库获取已知蛋白质相互作用位点标签的蛋白质序列构建样本集，训练搭建的卷积网络；最后，将待进行预测的蛋白质序列中残基的特征向量输入到训练的模型中，根据输出的概率值来判断该序列中的残基是否为相互作用位点。本发明计算代价低、预测精度高的基于残基位置特征的蛋白质相互作用位点预测方法。
📄 2021103800193
📂 G16B20_00
👤 浙江工业大学
📅 2021-04-09
一种基于卷积神经网络的DNA绑定残基预测方法，首先，根据输入残基数为L的待进行DNA绑定残基预测的蛋白质序列信息，分别使用HHblits、PSIPRED、SANN和I‑LBR程序获取特征矩阵PSFM、PSS、PSA和ILBR；然后，将以上四个矩阵组合为一个特征矩阵F并将其转化为特征张量；其次，我们将蛋白质序列处理成残基样本；再次，搭建卷积神经网络，利用已知绑定残基的蛋白质序列构建数据集并训练所搭建的网络；最后，将待进行预测的蛋白质序列的残基样本输入到训练的模型中，根据模型输出概率是否大于判定阈值threshold，进而判断对应的残基是否为DNA绑定残基。本发明计算代价小、预测精度高。
📄 2020109183145
📂 G16B20_00
👤 浙江工业大学
📅 2020-09-03
一种基于动态片段长度的群体蛋白质结构预测方法，针对每个目标构象，从当前种群中随机选择一半构象个体建立子种群，并根据能量值对种群进行排序，并排名靠前的构象中随机选择一个构象来指导变异；在变异过程中，设计多个片段长度，并根据每个片段长度的在前期的成功率计算其被选择的概率，然后根据轮盘赌的方式基于选择概率选择一个片段长度进行片段交换，实现变异过程。本发明提供一种预测精度和搜索效率均较高的基于动态片段长度的群体蛋白质结构预测方法。
📄 2018109860586
📂 G16B20_00
👤 浙江工业大学
📅 2018-08-28
一种基于多种群联合搜索的蛋白质构象空间优化方法，该方法利用种群间个体的信息交互结合片段组装技术增强对蛋白质构象空间的探测能力，利用多种群联合进化、汇合选择能量居中的个体组成新的种群继续进化，缓解能量函数不精确导致的引导方向偏差问题，进而提高整体的探索效率和预测精度。本发明提供一种预测精度较高的基于多种群联合搜索的蛋白质构象空间优化方法。
📄 201811306464X
📂 G16B20_00
👤 浙江工业大学
📅 2018-11-05
一种下界估计动态策略蛋白质结构预测方法，在进化算法框架下，首先，建立两组策略池，每组策略池有三种不同的变异策略，根据不同的进化代数选用不同策略池里的变异策略；其次根据下界估计函数来对变异构象进行选择，进一步用Rosetta能量函数score3、蒙特卡洛玻尔兹曼接收准则对构象进行最终选择，下界估计动态策略蛋白质结构预测方法不仅可以增强种群的多样性，而且能够缓解能量函数不精确的问题，引导算法采样得到能量更低且结构更合理的构象，提高采样效率。本发明提供一种采样效率和预测精度都较高的下界估计动态策略蛋白质结构预测方法。
📄 2018109946939
📂 G16B20_00
👤 浙江工业大学
📅 2018-08-29
本发明涉及一种基于单细胞基因组表达的细胞分类方法、介质及设备，构建重新划分的基于基因组序列数据组的BED文件并转换成约定格式文件，构建基因组序列数据组间的参考，获得T2T基因组参考；基于基因组序列数据组和原始真实数据，分别与参考信息作用，处理获得基因组序列数据表征及对应的细胞类型标签；处理基因组序列数据表征后输入构建的全连接网络模型，训练至预设条件；提取待分类的基因组序列数据表征，处理后输入训练后的全连接网络模型，得到分类结果；基于方法实现介质和设备。本发明充分利用基因组表达信息预测细胞类型；对基因组重新分块后，有利于提取更多的基因信息提升细胞类型识别准确率。
📄 2024113847823
📂 G16B20_00
👤 浙江工业大学
📅 2024-09-30
柿子坊 · 知识产权运营
柿子坊知识产权运营平台