[发明专利]使用以蛋白质结构嵌入为条件的生成模型预测蛋白质氨基酸序列在审
申请号: | 202280012034.5 | 申请日: | 2022-01-27 |
公开(公告)号: | CN116964678A | 公开(公告)日: | 2023-10-27 |
发明(设计)人: | A·W·森尼尔;S·科尔;J·伊姆;R·J·贝茨;C-D·尤内斯库;C·T·C·纳什;A·拉扎维-内马托拉希;A·普里策尔;J·江珀 | 申请(专利权)人: | 渊慧科技有限公司 |
主分类号: | G16B15/20 | 分类号: | G16B15/20 |
代理公司: | 北京市柳沈律师事务所 11105 | 代理人: | 金玉洁 |
地址: | 英国*** | 国省代码: | 暂无信息 |
权利要求书: | 暂无信息 | 说明书: | 暂无信息 |
摘要: | 用于进行蛋白质设计的方法、系统和装置,包括在计算机存储介质上编码的计算机程序。在一个方面,一种方法包括:使用具有多个嵌入神经网络参数的嵌入神经网络处理表征靶蛋白质的靶蛋白质结构的输入,以生成靶蛋白质的靶蛋白质结构的嵌入;基于所述靶蛋白质结构的嵌入确定所述靶蛋白质的预测的氨基酸序列,包括:将具有多个生成神经网络参数的生成神经网络以靶蛋白质结构的嵌入为条件;以及通过以靶蛋白质结构的嵌入为条件的生成神经网络生成靶蛋白质的预测的氨基酸序列的表示。 | ||
搜索关键词: | 使用 蛋白质 结构 嵌入 条件 生成 模型 预测 氨基酸 序列 | ||
【主权项】:
暂无信息
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于渊慧科技有限公司,未经渊慧科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/202280012034.5/,转载请声明来源钻瓜专利网。
- 同类专利
- 使用以蛋白质结构嵌入为条件的生成模型预测蛋白质氨基酸序列-202280012034.5
- A·W·森尼尔;S·科尔;J·伊姆;R·J·贝茨;C-D·尤内斯库;C·T·C·纳什;A·拉扎维-内马托拉希;A·普里策尔;J·江珀 - 渊慧科技有限公司
- 2022-01-27 - 2023-10-27 - G16B15/20
- 用于进行蛋白质设计的方法、系统和装置,包括在计算机存储介质上编码的计算机程序。在一个方面,一种方法包括:使用具有多个嵌入神经网络参数的嵌入神经网络处理表征靶蛋白质的靶蛋白质结构的输入,以生成靶蛋白质的靶蛋白质结构的嵌入;基于所述靶蛋白质结构的嵌入确定所述靶蛋白质的预测的氨基酸序列,包括:将具有多个生成神经网络参数的生成神经网络以靶蛋白质结构的嵌入为条件;以及通过以靶蛋白质结构的嵌入为条件的生成神经网络生成靶蛋白质的预测的氨基酸序列的表示。
- 从掩蔽蛋白表示预测完整蛋白表示-202280013012.0
- A·普里策尔;C-D·伊奥内斯库;S·科尔 - 渊慧科技有限公司
- 2022-01-27 - 2023-10-13 - G16B15/20
- 方法、系统和装置,包括在计算机存储介质上编码的计算机程序,用于使用蛋白重建神经网络对蛋白的掩蔽表示进行去掩蔽。在一个方面,一种方法包括:接收蛋白的掩蔽表示;以及使用蛋白重建神经网络处理蛋白的掩蔽表示,以生成与包括在蛋白的掩蔽表示中的一个或多个掩蔽嵌入相对应的相应预测嵌入,其中与蛋白的氨基酸序列的表示中的掩蔽嵌入相对应的预测嵌入定义了对氨基酸序列中的对应位置处的氨基酸的同一性的预测,其中,与蛋白的结构的表示中的掩蔽嵌入相对应的预测嵌入定义了对蛋白的相应结构特征的预测。
- 通过在多序列比对与对嵌入之间共享信息来预测蛋白质结构-202180068415.0
- M·菲格诺夫;A·普里策尔;R·A·埃文斯;R·J·贝茨;O·隆内伯格;S·科尔;J·江珀 - 渊慧科技有限公司
- 2021-11-23 - 2023-07-14 - G16B15/20
- 一种用于预测包括一条或多条链的蛋白质的结构的方法、系统和装置,包括在计算机存储介质上编码的计算机程序。在一个方面,一种方法包括:获得初始多序列比对(MSA)表示;获得蛋白质中的每个氨基酸对的相应初始对嵌入;使用嵌入神经网络处理包括初始MSA表示和初始对嵌入的输入,以生成输出,输出包括蛋白质中的每个氨基酸对的最终MSA表示和相应最终对嵌入;以及使用最终MSA表示、最终对嵌入或两者来确定蛋白质的预测结构。
- 鉴定中间体的方法-201980049718.0
- 彼得罗·法奇奥利;埃米利亚诺·比亚西尼 - 核物理国家研究院;泰莱托恩基金会;特伦托大学
- 2019-07-25 - 2021-04-23 - G16B15/20
- 本文描述了一种鉴定靶蛋白折叠中间体的方法,所述中间体适于作为药物研发过程的靶点进行测试。所述方法通过计算机计算实现。所述方法提供了对定义蛋白质折叠途径的事件的时间序列建模的步骤,所述步骤包括沿着所述折叠途径的一种或多种蛋白质折叠中间体的结构和/或能量和/或物理化学性质进行建模和/或计算。然后,所述方法包括以下步骤:基于鉴定特性,沿着模拟的折叠途径鉴定至少一种候选蛋白质折叠中间体,以及基于筛选特性,在所述至少一种候选蛋白质折叠中间体中选择一种或多种靶蛋白折叠中间体。筛选特性与蛋白质折叠中间体的可药用性相关。本公开还包括基于靶向折叠中间体的计算机药物研发的相关方法。
- 确定蛋白结构的机器学习-201980054143.1
- 安德鲁·W·塞尼尔;詹姆斯·柯克帕特里克;劳伦特·西弗尔;理查德·安德鲁·埃文斯;雨果·佩内多尼斯;秦翀立;孙若溪;凯伦·西蒙尼扬;约翰·将姆佩尔 - 渊慧科技有限公司
- 2019-09-16 - 2021-03-30 - G16B15/20
- 用于执行蛋白结构预测和蛋白结构域分割的方法、系统和装置,其包括在计算机存储介质上编码的计算机程序。在一个方面,一种方法包括生成蛋白的多个预测结构,其中生成蛋白的预测结构包括:更新蛋白的多个结构参数的初始值,包括在多个更新迭代中的每一个处:确定结构参数的当前值的质量得分相对于结构参数的当前值的梯度;以及使用所述梯度更新结构参数的当前值。
- 确定蛋白结构的机器学习-201980054171.3
- 安德鲁·W·塞尼尔;詹姆斯·柯克帕特里克;劳伦特·西弗尔;理查德·安德鲁·埃文斯;雨果·佩内多尼斯;秦翀立;孙若溪;凯伦·西蒙尼扬;约翰·将姆佩尔 - 渊慧科技有限公司
- 2019-09-16 - 2021-03-30 - G16B15/20
- 用于执行蛋白结构预测的方法、系统和装置,其包括在计算机存储介质上编码的计算机程序。在一个方面,一种方法包括,在一个或多个迭代中的每一个处:确定由结构参数的替代值定义的给定蛋白的替代预测结构;使用几何神经网络处理网络输入以生成表征替代几何得分的输出,所述网络输入包括:(i)给定蛋白中的氨基酸残基序列的表示,和(ii)结构参数的替代值,所述替代几何得分是给定蛋白的替代预测结构与实际结构之间的相似性度量的估计。
- 确定蛋白结构的机器学习-201980054190.6
- 安德鲁·W·塞尼尔;詹姆斯·柯克帕特里克;劳伦特·西弗尔;理查德·安德鲁·埃文斯;雨果·佩内多尼斯;秦翀立;孙若溪;凯伦·西蒙尼扬;约翰·将姆佩尔 - 渊慧科技有限公司
- 2019-09-16 - 2021-03-30 - G16B15/20
- 用于执行蛋白结构预测的方法、系统和装置,其包括在计算机存储介质上编码的计算机程序。在一方面,一种方法包括生成给定蛋白的距离图,其中所述给定蛋白由排列在结构中的氨基酸残基序列定义,其中所述距离图表征所述结构中氨基酸残基之间的估计距离,所述方法包括:生成多个距离图裁剪,其中每个距离图裁剪表征蛋白的结构中在(i)序列中的一个或多个相应第一位置的每一个中的氨基酸残基与(ii)序列中的一个或多个相应第二位置的每一个中的氨基酸残基之间的估计距离,其中第一位置是序列的适当子集;以及使用所述多个距离图裁剪生成给定蛋白的距离图。
- 专利分类