本发明公开了一种固相识别雌激素受体的雌二醇衍生物筛选方法。该方法包括：以雌二醇-雌激素受体LBD复合物晶体构象为基础,运用分子对接对不同结构雌二醇衍生物与雌激素受体LBD的结合能力进行计算机模拟分析,筛选出满足预设要求的雌二醇衍生物；对筛选出的雌二醇衍生物,采用分子动力学模拟进行结构稳定性和能量变化的分析,筛选出与雌激素受体LBD具有特异性高亲和力的衍生物。本发明可以筛选出与雌激素受体具有高特异性高亲和力的衍生物,进而可以缩短固相雌二醇与雌激素受体结合的时间,增加体外环境下的结合稳定性。

本发明公开了一种DNA样品中不同长度DNA的条数分布的分析方法,其将DNA样品与已知长度和质量的DNA标记物通过电泳等实验进行长度筛分,利用DNA电泳荧光条带图等DNA长度筛分实验结果进行参数提取和拟合,推导出不同长度的DNA的条数分布；本发明提供的分析方法与现有技术相比,具有仪器便宜、操作简单、数据分析准确等优点。

本发明公开了一种基于多属性决策的复杂网络关键模体挖掘的方法。本发明通过结合模体理论和节点重要性挖掘来综合评估模体的重要性,提出了一种整合多种拓扑属性对网络模体重要性进行识别的方法。通过识别的模体可以揭示重要模体对网络特定结构和功能的影响,本发明从介观层面剖析网络的结构特征,结果可以作为研究和分析复杂系统动力学的辅助工具,特别是对于控制复杂系统具有重要的意义。

本公开涉及一种预测方法及装置、电子设备和存储介质,所述方法包括：通过药物特征提取网络对待测物质的分子结构数据进行特征提取,得到分子特征,所述药物特征提取网络为全连接神经网络、卷积神经网络或基于序列的神经网络中的任意一种；通过基因特征提取网络对目标对象的基因数据进行特征提取,得到基因特征；对所述分子特征及所述基因特征进行融合,得到融合特征；根据所述融合特征,预测所述待测物质与所述目标对象之间的反应结果。本公开实施例能够在预测药物与基因之间的反应结果时,通过神经网络进行特征提取,不仅能够提高处理效率,还能够提高预测准确性。

本公开涉及一种预测方法及装置、电子设备和存储介质,所述方法包括：通过药物特征提取网络对待测物质的分子结构图进行特征提取,得到分子特征,所述药物特征提取网络包括第一子网络及第二子网络,所述第一子网络为图神经网络,所述第二子网络为卷积神经网络；通过基因特征提取网络对目标对象的基因数据进行特征提取,得到基因特征；对所述分子特征及所述基因特征进行融合,得到融合特征；根据所述融合特征,预测所述待测物质与所述目标对象之间的反应结果。本公开实施例能够在预测药物与基因之间的反应结果时,通过神经网络进行特征提取,不仅能够提高处理效率,还能够提高预测准确性。

本申请公开了一种特征提取方法和相关装置、设备和存储介质,该特征提取方法包括：基于获取的氨基酸序列信息,确定每个氨基酸的初始化特征；基于每个氨基酸的初始化特征,得到氨基酸序列中每个氨基酸的全局特征；将每个氨基酸的全局特征与氨基酸序列中其他氨基酸的全局特征进行特征融合,得到每对氨基酸的融合特征组成的逐对特征图；基于逐对特征图的空间特征,得到蛋白质特征向量。上述方案,能够直接对氨基酸序列中任意氨基酸之间进行特征学习,通过蛋白质特征向量体现蛋白质的空间结构信息。

本公开涉及一种预测方法及装置、电子设备和存储介质,所述方法包括：通过药物特征提取网络对待测物质的分子结构数据进行特征提取,得到分子特征,所述药物特征提取网络包括卷积子网络以及序列子网络；通过基因特征提取网络对目标对象的基因数据进行特征提取,得到基因特征；对所述分子特征及所述基因特征进行融合,得到融合特征；根据所述融合特征,预测所述待测物质与所述目标对象之间的反应结果。本公开实施例能够在预测药物与基因之间的反应结果时,通过神经网络进行特征提取,不仅能够提高处理效率,还能够提高预测准确性。

本发明提供一种分子叠合构象确定方法、装置以及存储介质,其中,方法包括：获取候选分子任一采样构象；根据目标算法确定候选分子采样构象的最优旋转平移变换,得到第一候选分子采样构象；对第一候选分子采样构象进行局部优化,得到第二候选分子采样构象；根据第二候选分子采样构象与参考分子构象,得到相似度结果；重复执行获取候选分子任一采样构象至根据第二候选分子采样构象与参考分子构象,得到相似度结果的步骤,直至满足目标条件,得到候选分子多个采样构象的相似度结果；根据多个相似度结果,确定候选分子的叠合构象。通过实施本发明,直接在局部使用梯度下降寻找最接近参考分子构象的构象,从而显著减少构象采样数,进而减少计算量。

用于鉴定氨基酸序列和蛋白质功能或性质之间的关联的系统、装置、软件和方法。机器学习的应用用于生成基于输入数据鉴定此类关联的模型,该输入数据是例如氨基酸序列信息。可以利用包括迁移学习的各种技术来增强关联的准确性。