-
Patent Agency Ranking
公开(公告)号：CN119007828B
公开(公告)日：2025-02-18
申请号：CN202411493193.9
申请日：2024-10-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于分子动力学和机器学习提高抗体亲和力的方法和系统，属于计算机软件技术领域。本发明方法通过利用分子动力学精准定位抗体的结合位点，从而筛选出最佳氨基酸突变位点，并在最佳氨基酸突变位点构建氨基酸饱和突变的变体库，通过计算突变体复合物的结合自由能变化量（#imgabs0#值）作为评估基础；以氨基酸描述子为特征，#imgabs1#值为标签，训练机器学习模型，筛选出预测性能最优的模型；该模型用于预测并筛选出具有较低#imgabs2#值（即高亲和力潜力）的突变体。本发明方法获得的高亲和力1‑7单域抗体，其亲和力显著提升2.98‑5.04倍，有效验证了本发明的实用性与高效性，为单域抗体的定向进化开辟了新途径。
-
公开(公告)号：CN119028462A
公开(公告)日：2024-11-26
申请号：CN202411507078.2
申请日：2024-10-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了基于深度学习的蛋白质‑小分子配体快速准确对接方法和系统，属于计算机应用技术领域。该方法创新性地采用深度学习技术，实现蛋白质‑小分子配体对接的高效精准预测，通过无向复合图和KNN图表征，深度捕捉分子内部及蛋白质间复杂作用，构建高质量数据输入；双编码器机制解析特征，生成深度嵌入表示，全连接交互图强化相互作用理解；结合构象预测、力场优化与构象对齐，提升对接姿态精确性；混合密度神经网络模型预测距离概率与亲和力，增强预测多样性与准确性。系统模块化设计，跨平台部署便捷，广泛适用于药物研发与生命科学研究，加速新药发现，揭示分子机制，前景广阔。
-
公开(公告)号：CN119028462B
公开(公告)日：2025-01-24
申请号：CN202411507078.2
申请日：2024-10-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了基于深度学习的蛋白质‑小分子配体快速准确对接方法和系统，属于计算机应用技术领域。该方法创新性地采用深度学习技术，实现蛋白质‑小分子配体对接的高效精准预测，通过无向复合图和KNN图表征，深度捕捉分子内部及蛋白质间复杂作用，构建高质量数据输入；双编码器机制解析特征，生成深度嵌入表示，全连接交互图强化相互作用理解；结合构象预测、力场优化与构象对齐，提升对接姿态精确性；混合密度神经网络模型预测距离概率与亲和力，增强预测多样性与准确性。系统模块化设计，跨平台部署便捷，广泛适用于药物研发与生命科学研究，加速新药发现，揭示分子机制，前景广阔。
-
公开(公告)号：CN119007828A
公开(公告)日：2024-11-22
申请号：CN202411493193.9
申请日：2024-10-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于分子动力学和机器学习提高抗体亲和力的方法和系统，属于计算机软件技术领域。本发明方法通过利用分子动力学精准定位抗体的结合位点，从而筛选出最佳氨基酸突变位点，并在最佳氨基酸突变位点构建氨基酸饱和突变的变体库，通过计算突变体复合物的结合自由能变化量（#imgabs0#值）作为评估基础；以氨基酸描述子为特征，#imgabs1#值为标签，训练机器学习模型，筛选出预测性能最优的模型；该模型用于预测并筛选出具有较低#imgabs2#值（即高亲和力潜力）的突变体。本发明方法获得的高亲和力1‑7单域抗体，其亲和力显著提升2.98‑5.04倍，有效验证了本发明的实用性与高效性，为单域抗体的定向进化开辟了新途径。
-
公开(公告)号：CN118884481A
公开(公告)日：2024-11-01
申请号：CN202410920966.0
申请日：2024-07-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种改进灰狼优化算法的低轨卫星导航选星方法，涉及低轨卫星导航领域，本方法以多普勒定位方程中GDOP为选星准则，利用灰狼优化算法进行快速选星，提出了一种低轨卫星机会信号导航选星方法；该方法对灰狼优化算法中存在的问题进行相应的改进，引入Logistic‑Tent映射解决种群初始化分布不均的问题，建立非线性收敛因子自适应调整算法全局搜索与局部搜索，增加头狼加权的位置更新策略，加快灰狼个体向最优值区间靠近，并对寻优结果差的个体进行位置变异，避免了算法陷入局部最优的情况，提高了解的多样性。
-
-
-
-
Search Results
5
records
(took 0.024 seconds)
