-
公开(公告)号：CN118588155A
公开(公告)日：2024-09-03
申请号：CN202410637669.5
申请日：2024-05-22
Applicant: 之江实验室
Abstract: 本发明公开了一种基于贝叶斯优化的多肽筛选方法和装置，该方法在原始天然肽的基础上，充分结合分子动力学和分子对接等多种结合模拟手段，基于贝叶斯优化筛选出高亲和力的多肽序列；对天然多肽和蛋白进行分子对接；使用贝叶斯优化进行多肽突变生成新的多肽序列，并进行分子对接；使用构建的多肽蛋白的目标函数，基于贝叶斯优化筛选出推荐的多肽序列，不断迭代循环，最终筛选出高亲和力的突变多肽。本发明能够解决多肽药物序列生成高亲和力肽序列较为困难的行业痛点，能够很好的开展多肽蛋白间的优化筛选，基于贝叶斯优化不断迭代出极高亲和力的多肽序列，为大分子药物设计提供了一体化的生成与筛选流程。
-
公开(公告)号：CN117594156A
公开(公告)日：2024-02-23
申请号：CN202311496788.5
申请日：2023-11-10
Applicant: 之江实验室
IPC: G16C20/50 , G16C20/70 , G06F16/901 , G06F16/903 , G06F17/18
Abstract: 本发明公开了一种基于蒙特卡洛树搜索的多目标分子生成方法和装置，属于基于靶点的分子生成领域，包括：基于已知的蛋白质序列和分子碎片，以及用户多目标属性需求，本发明采用构建蒙特卡洛树的方式，依次将满足用户需求且亲和力强的原子符号拼接到分子碎片之后，最后得到的完整的分子再通过化学工具分析属性，得到分子的评估值，其中包含了用户对于分子的多目标属性的需求，再将构建起来的非支配的分子加入全局帕累托集合中，用于构建用户需要的分子。本发明采用蒙特卡洛树搜索算法，同时提出多目标选择标准，实现了用户指定的多目标属性的分子生成，具有简单易行、快速有效且搜索效率高的优势。
-
公开(公告)号：CN117854630A
公开(公告)日：2024-04-09
申请号：CN202311807559.0
申请日：2023-12-26
IPC: G16C20/50 , G16C20/70 , G06F18/27 , G06F18/241 , G06N3/092
Abstract: 本申请涉及人工智能系统技术领域，公开了基于人工智能的多靶点药物发现系统，包括，a.序列生成模型，用于生成具有特定药理学特性的新分子序列，通过学习分子的序列信息，以自回归的方式生成所需分子序列；b.模型预训练模块，用于学习分子的基本表示形式，通过预测现有通用数据库中分子的序列表示形式，确保生成的分子序列符合SMILES/SELFIES分子序列语法；c.双对比分类器，用于评估生成的分子序列与两个靶点分子的相关性，通过判别器的预测结果来确定生成的分子是否满足多个靶点条件。通过高质量的多靶点分子生成、多目标分子生成优化和分子性质满足双靶点条件等有益效果，提高分子质量和多目标性能，为研发具有多重治疗效果的药物提供新方向。
-
Patent Agency Ranking
公开(公告)号：CN117316330A
公开(公告)日：2023-12-29
申请号：CN202311158775.7
申请日：2023-09-08
Applicant: 之江实验室
IPC: G16C20/50 , G16C20/70 , G16C20/10 , G06N3/0895
Abstract: 本申请涉及一种先导化合物优化方法、装置、电子装置和存储介质，其中，该方法包括：将蛋白小分子掩码训练对数据输入至待训练先导化合物优化模型；调用多个网络层对先导化合物的训练样本数据进行预测，得到与蛋白口袋匹配的新生成原子的信息；基于新生成原子的信息，计算得到待训练先导化合物优化模型的损失值；确定损失值在预设的阈值范围内的待训练先导化合物优化模型为目标先导化合物优化模型；将待优化蛋白口袋数据和待优化分子片段数据输入至目标先导化合物优化模型，得到优化后的先导化合物。通过本申请解决了传统先导化合物优化方法受限于事先准备的化合物库所表达的活性化合物空间的问题。
-
公开(公告)号：CN116580764A
公开(公告)日：2023-08-11
申请号：CN202310452223.0
申请日：2023-04-21
Applicant: 杭州碳硅智慧科技发展有限公司 , 之江实验室
IPC: G16B15/30 , G16B15/20 , G16B40/00 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/082
Abstract: 本申请提供了一种分子结合构象确定方法及装置。包括：获取化学分子对应的分子图，及蛋白质对应的残基图；将所述分子图和所述残基图输入至分子对接模型，所述分子对接模型包括：分子图编码网络层、残基图编码网络层和构象预测网络层；调用所述分子图编码网络层对所述分子图进行处理，更新所述分子图的分子节点特征，并调用所述残基图编码网络层对所述残基图进行处理，更新所述残基图的蛋白节点特征；调用相互作用构建模块对更新后的残基图和分子图进行图节点对并新增边处理，得到相互作用图；调用所述构象预测网络层对所述相互作用图进行处理，得到所述化学分子与所述蛋白质之间的分子结合构象。本申请可以提高结合构象的预测精度和预测速度，以及虚拟筛选的筛选能力和命中率。
-
公开(公告)号：CN117809752A
公开(公告)日：2024-04-02
申请号：CN202311792305.6
申请日：2023-12-25
Abstract: 本发明涉及系统生物学领域，公开了蛋白质相互作用界面智能挖掘方法，包括以下步骤：步骤一、收集和整理复合物结构的数据库，并进行数据清洗和标准化；步骤二、通过收集新的复合物结构数据和利用新的实验技术和计算方法，增加模板数据库的规模和内容。通过融合对接方法预测构象时，基于模板对接相比于从头对接在模板可靠时具有高精确度的优势，但是对模板库具有高依赖性。因此，根据复合物结构能量项进行排序打分后，先选取固定数量的基于模板对接方法的构象，再去考虑剩余基于模板方法和从头对接方法的构象，确保不会出现有效模板构象的遗漏。
-
公开(公告)号：CN118711701B
公开(公告)日：2024-11-19
申请号：CN202411215460.6
申请日：2024-09-02
Applicant: 之江实验室
IPC: G16C20/30 , G16C20/70 , G06N3/0464 , G06N3/042
Abstract: 本发明公开了一种基于分布匹配的药物‑药物相互作用预测方法及装置，包括：提取药物的分子结构特征；基于所述分子结构特征，进一步提取药物间的拓扑关系特征；在特征空间和输出空间中，分别对所述分子结构特征和所述拓扑关系特征进行分布匹配，最大化其互信息，以预测DDI。本发明不仅考虑了药物的分子结构信息，还融合了药物间的拓扑关系信息。这种多视角信息的整合，全面捕捉了药物间的复杂相互作用，从而显著提高了预测的准确性，并且采用分布匹配策略，最大化了分子结构特征和拓扑关系特征之间的互信息，确保了信息的完整性和准确性，进一步提高了预测性能。
-
公开(公告)号：CN118711701A
公开(公告)日：2024-09-27
申请号：CN202411215460.6
申请日：2024-09-02
Applicant: 之江实验室
IPC: G16C20/30 , G16C20/70 , G06N3/0464 , G06N3/042
Abstract: 本发明公开了一种基于分布匹配的药物‑药物相互作用预测方法及装置，包括：提取药物的分子结构特征；基于所述分子结构特征，进一步提取药物间的拓扑关系特征；在特征空间和输出空间中，分别对所述分子结构特征和所述拓扑关系特征进行分布匹配，最大化其互信息，以预测DDI。本发明不仅考虑了药物的分子结构信息，还融合了药物间的拓扑关系信息。这种多视角信息的整合，全面捕捉了药物间的复杂相互作用，从而显著提高了预测的准确性，并且采用分布匹配策略，最大化了分子结构特征和拓扑关系特征之间的互信息，确保了信息的完整性和准确性，进一步提高了预测性能。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
