共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
3.
4.
5.
6.
7.
8.
9.
抗体分子对蛋白抗原的结合主要通过表位区域进行, 而表位区域的氨基酸残基通常形成不连续的、构象的或者空间的表位区域, 而不是抗原表面上的线性连续片段. 已有许多算法可以用来预测构象表位, 并且基于各自的测试集, 各种工具对空间表位的预测都声称取得了杰出的效果. 本文收集了由实验方法确定的空间表位数据并建立了一套独立的测试集. 基于这套测试集, 采用灵敏度、真阳性预测率、成功挑选率和接受者操作特性曲线下面积(AUC)等参数对常用蛋白抗原空间表位预测工具进行了评估, 工具包括SEPPA, CEP, DiscoTope, ElliPro, PEPOP和BEpro等. 测试集评估结果表明, 6种蛋白抗原空间表位预测工具预测性能仍有待提高. 其中, SEPPA预测性能相对较好, 然而计算得到的灵敏度、真阳性预测率、成功挑选率和平均AUC值也并不理想. 评估结果还表明, 预测工具采用的空间表位训练和测试数据集以及预测算法对预测结果的准确性有较大影响. 以上分析结果为改进B细胞蛋白抗原空间表位预测方法和为免疫原性多肽和新型疫苗分子的设计提供新的启示. 相似文献
10.
遗传算法结合共轭梯度法改进BP算法人工神经网络用于环境雌激素的QSAR研究 总被引:1,自引:0,他引:1
目前应用最广泛的BP人工神经网络存在收敛速度低、有局部震荡的危险. 采用共轭梯度法(CG)改进BP算法, 并且结合遗传算法筛选分子描述符, 用于环境内分泌干扰物的定量结构-活性相关 (QSAR)研究, 有效地克服了以上缺点, 得到了稳健、准确的预测模型, 模型的R2 = 0.845, 预测集的q2pred = 0.81, 均方根误差(RMSE) = 0.688. 所得结果说明这种方法能够为筛选有机物的雌激素活性提供一种迅速、可行的工具. 相似文献
11.
计算生物学(研究)需要计算机可读的信息记录。在产生出大量数据集的高通量实验和其他研究之后,元分析(meta-analysis)和预分类的信息正在与日俱增地得到应用;而纯文本的语义学富集(semanticenrichment)对于计算机辅助分析是至关重要的。通常,人们将语义学标记(semantictagging)理解为文本采掘(textmining)的另一种形式,迄今人们已经开发了一些工具和技术从文本中回溯性地提取正确的信息,其结果常常充满了多义性。虽然在实验研究方面取得了一些引人注目的结果,但信息采掘工具的广泛应用却落后于预期。本文在述评基础上建议将语义学标记与电子出版集成为一个共同的过程。 相似文献
12.
13.
14.
《科学通报》2021,66(22):2861-2877
实现2030年碳达峰和2060年碳中和是能源领域的当前决策和长远愿景,为此必须更加紧密结合全球能源发展趋势及国家能源策略,在碳捕集与封存领域投入研发力量.近几十年来,吸附法作为一种极具应用潜力的碳捕集技术得到了快速发展.例如,对高性能吸附剂的开发进行了大量探索;适用于碳捕集的吸附循环过程得到了显著的发展;先进的吸附剂结构和装置不断被提出;将吸附过程与其他分离和/或反应过程进行耦合的复合吸附技术得到了广泛关注;吸附法碳捕集技术的应用领域也得到了拓展.为此,本文介绍了各种吸附法碳捕集循环过程,归纳总结了目前超出实验室级别装置(技术成熟度TRL5~7)的技术特点、分离性能、运行能耗和成本,应用场合包括了燃烧后碳捕集、燃烧前碳捕集和直接空气碳捕集.对吸附法碳捕集技术作了评述,指出了其在未来发展中面临的机遇和挑战. 相似文献
15.
基于分子全息技术, 研究了41种有机磷化合物甲酯化后气相色谱保留指数与分子全息结构之间的关系, 应用偏最小二乘回归技术建立了分子全息定量结构-色谱保留相关模型, 非交叉验证系数r2 = 0.994, 交叉验证相关系数q2LOO = 0.984. 随机选出30种有机磷化合物作为训练集, 其余作为测试集来验证分子全息QSRR模型的预测能力和稳健性. 在最佳建模条件下对训练集进行偏最小二乘回归分析, r2为0.995, q2LOO为0.982. 用训练集数据所建立的QSRR模型预测测试集中有机磷化合物的色谱保留指数, 结果表明, 基于训练集所建立的QSRR 模型可以对测试集的有机磷化合物的气相色谱保留指数进行很好的预测. 利用HQSRR模型的色码图, 探讨有机磷分子中的不同侧链基团对其色谱保留性质的影响, 以及有机磷化合物在固定相上的色谱保留机制. 相似文献
16.
17.
应用分子全息对多氯代二苯并呋喃的QSRR研究 总被引:2,自引:0,他引:2
基于分子全息技术, 研究了135种多氯代二苯并呋喃化合物(PCDFs)气相色谱保留指数(GC-RI)与分子全息结构之间的关系, 应用偏最小二乘(PLS)回归技术建立了分子全息定量结构-色谱保留(QSRR)模型. 交叉验证相关系数q2LOO=0.998, 非交叉验证系数r2 = 0.998. 随机选出100种PCDFs化合物作为训练集, 其余作为测试集, 来验证分子全息QSRR模型的预测能力和稳健性. 采用最佳模型的建模条件对测试集进行PLS分析, q2LOO为0.997, r2为0.998. 用训练集数据所建立的QSRR模型预测测试集中PCDFs化合物的色谱保留指数, 结果表明基于训练集所建立的QSRR模型可以对测试集中PCDFs化合物的气相色谱保留指数进行很好的预测. 相似文献
18.
19.
本文讨论的平均模型为{S,(A(i),i∈S),q,r,(?)/(?)},其中状态空间S与每个行动集A(i)均为非空可数集;q为平稳的状态一步转移概率簇;r为报酬函数,一致有界。设Π、Π_s~d分别表示一般策略类和平稳策略类。 相似文献