基于深度学习的SARS-CoV-2 RBD-ACE2结合亲和力预测方法

新型冠状病毒(SARS-CoV-2)的快速变异导致不断出现新的毒株.已有研究表明SARS-CoV-2的S蛋白受体结合域(Receptor Binding Domain,RBD)与宿主ACE2的结合亲和力与病毒的侵染能力相关.随着新型冠状病毒在全球的持续暴发，出现了大量RBD多点突变的新毒株.通过生物试验方式获得突变毒株RBDACE2结合亲和力费时费力，远远落后于突变株的积累，不能满足对该病毒实时监控的需求.为了快速预测具有多点突变毒株的结合亲和力，设计了一种深度神经网络模型.该模型结合卷积神经网络、循环神经网络与注意力机制，从RBD序列上学习关键特征并预测RBD-ACE2的结合亲和力,在真实数据集上对模型进行训练和评估.实验结果表明新模型可以有效地预测关切变异株的RBD-ACE2结合亲和力，也有助于对SARSCoV-2突变株的传播能力进行监控.     

环境友好催化剂催化合成苯甲醛乙二醇缩醛

综述了固体超强酸、杂多酸、固栽杂多酸、分子筛、树脂、碘、维生素C、硫酸盐、氯化物、高分子栽体氯化物、钒磷氧等20多种不同催化剂催化合成苯甲醛乙二醇缩醛的方法和反应条件.评述了各类催化剂的催化性能、特点、能否重复使用等内容.结果表明:固体超强酸、固栽杂多酸、分子筛、D61和D72离子交换树脂几种环境友好催化剂是合成苯甲醛乙二醇缩醛的优良催化剂.