检索结果-内蒙古大学图书馆

工程力学 2008年第A01期25卷 198-202,208页

作者：韦韩王克海李茜交通部公路科学研究院北京100088

桥梁结构抗震计算可视化系统(Bridge Antiseismic System,简称BAS)是针对桥梁结构抗震分析的专用软件,具有界面友好的前后处理功能,能够建立桥梁结构的空间有限元模型,可运用桁架单元、索单元、梁单元、边界单元和板单元等进行桥梁结构... 详细信息

桥梁结构抗震计算可视化系统(Bridge Antiseismic System,简称BAS)是针对桥梁结构抗震分析的专用软件,具有界面友好的前后处理功能,能够建立桥梁结构的空间有限元模型,可运用桁架单元、索单元、梁单元、边界单元和板单元等进行桥梁结构的静力、反应谱和动力时程等分析。该文首先介绍该系统的整体架构及其功能特点,再详细介绍其建模的思路和优越性,以及系统的分析和后处理显示功能,最后对一个工程实例,分别在BAS、Midas和Sap2000中建模,对自振周期、自重内力、反应谱内力和动力时程分析内力等分别进行了比较,验证了程序的可靠性。

关键词：桥梁抗震分析可视化模板建模空间有限元模型动力分析反应谱分析

来源：评论

学校读者我要写书评

暂无评论

结构类似模板增强的端到端多域蛋白质组装方法

引用

小型微型计算机系统 2024年第8期45卷 1825-1831页

作者：朱海涛夏瑜豪张贵军浙江工业大学信息工程学院杭州310023

使用同源模板能够有效的提升蛋白质结构预测的精度,然而,对于部分多域蛋白,PDB中可用的同源模板较少,这可能会影响预测精度.为了进一步提高多域蛋白质的建模精度,本文提出了基于结构类似模板结合同源模板的端到端多域组装方法MTDA.首先... 详细信息

使用同源模板能够有效的提升蛋白质结构预测的精度,然而,对于部分多域蛋白,PDB中可用的同源模板较少,这可能会影响预测精度.为了进一步提高多域蛋白质的建模精度,本文提出了基于结构类似模板结合同源模板的端到端多域组装方法MTDA.首先,搜索序列数据库生成多序列比对,以及分别搜索PDB100和MPDB生成同源模板和结构类似模板;进而提取序列特征、模板特征和单域特征;然后通过一个基于EfficientNetV2架构和注意力机制相结合的神经网络来预测多域蛋白质的域间方位从而直接将多个单域结构组装为全链结构.在125个测试蛋白和65个人类蛋白上的实验结果表明,MTDA优于仅使用同源模板的端到端组装方法E2EDA以及全链建模方法AlphaFold2.

关键词：多域蛋白质模板建模深度学习结构域组装域间方位预测

来源：评论

学校读者我要写书评

暂无评论

远程模板检测算法及其在蛋白质结构预测中的应用

引用

计算机科学 2024年第S01期51卷 167-173页

作者：梁方徐旭瑶赵凯龙赵炫锋张贵军浙江工业大学信息工程学院杭州310023

在从传统力场驱动的蛋白质结构预测到当前数据驱动的AI结构建模的发展历程中,蛋白质结构模板检测是蛋白质结构预测中的关键环节,如何检测高精度蛋白质结构远程模板对提升结构的预测精度具有重要的研究意义。该研究提出了一种基于自适应... 详细信息

在从传统力场驱动的蛋白质结构预测到当前数据驱动的AI结构建模的发展历程中,蛋白质结构模板检测是蛋白质结构预测中的关键环节,如何检测高精度蛋白质结构远程模板对提升结构的预测精度具有重要的研究意义。该研究提出了一种基于自适应特征向量提取的远程同源模板检测算法ASEalign。首先,采用多特征信息融合的深度学习技术预测蛋白质接触图;然后,设计了融合接触图、二级结构、序列谱谱比对和溶剂可及性等多维度特征打分函数,并通过自适应地提取接触图矩阵中的特征值和特征向量进行模板比对;最后,将检测出的高质量模板输入AlphaFold2中进行结构建模。在135个蛋白质的测试集上的结果表明,ASEalign相于主流的模板检测算法HHsearch精度提升了11.5%;同时,结构建模的精度优于AlphaFold2。

关键词：模板检测模板建模接触图预测深度学习二级结构

来源：评论

学校读者我要写书评

暂无评论

多结构域蛋白质端到端深度学习组装算法研究与实现

多结构域蛋白质端到端深度学习组装算法研究与实现

引用

作者：朱海涛浙江工业大学

学位级别：硕士

蛋白质是具有重要生物学功能的基本大分子，是所有生命系统的基石，了解其三维结构对于药物研发、精准医疗、致病机理研究至关重要。蛋白质分为单结构域蛋白质和多结构域蛋白质，结构域之间通过复杂的相互作用形成多结构域蛋白质。随着... 详细信息

蛋白质是具有重要生物学功能的基本大分子，是所有生命系统的基石，了解其三维结构对于药物研发、精准医疗、致病机理研究至关重要。蛋白质分为单结构域蛋白质和多结构域蛋白质，结构域之间通过复杂的相互作用形成多结构域蛋白质。随着深度学习的应用与发展，单结构域蛋白质的预测结构基本达到了实验精度，然而多结构域蛋白质的结构预测仍然是一个挑战。多结构域蛋白质的结构预测方法主要分为构象采样的多结构域组装方法和端到端的全链建模方法。基于构象采样的多结构域组装方法由于传统能量力场的不完善，其组装的自由能最小的模型并不总是与天然结构相对应，同时该方法也伴随着耗时的组装模拟过程。此外，对于端到端的全链建模方法，可用的GPU内存限制了可预测的全链蛋白质的大小。因此，针对上述问题，本文提出了一种基于深度学习的端到端多结构域组装方法。本文的主要工作如下：　　(1) 在查阅国内外文献的基础上，综述了多结构域蛋白质的研究现状和发展趋势。同时，详细介绍了本文所涉及的基础理论知识，如多结构域蛋白质相关数据库、多域蛋白质结构模型、模板建模、深度学习理论等。　　(2) 提出了一种基于深度学习的端到端多结构域组装算法(End-To-End Domain Assembly, E2EDA)。首先，基于EfficientNetV2网络结合注意力机制设计了一个预测域间方位的深度学习模型;其次，构建了一个多结构域蛋白质数据集用于训练深度学习模型;然后，基于预测的域间方位直接组装多个全链模型而无需耗时的组装模拟过程;最后，设计打分策略对多个模型进行排序。282 个基准蛋白的实验结果表明，E2EDA 比其他主流组装方法 SADA、DEMO 和 AIDA 分别提高了4.4%、13.3%、34.5%;126个人类蛋白的实验结果表明，E2EDA比先进的端到端全链建模方法AlphaFold2提高了5.6%。　　(3) 基于上述工作，进一步引入结构类似模板，设计了结构类似模板增强的组装算法(E2EDA Enhanced by Structural Analogue Templates, SAT-E2EDA)。首先，使用结构比对工具TM-align从多结构域蛋白数据库中检测结构类似模板;然后，基于结构相似性对搜索的同源模板和结构类似模板排序，选出最佳的五个模板;最后，从同源模板和结构类似模板中提取模板特征来预测域间方位进而组装多结构域蛋白质。在282个基准蛋白和126个人类蛋白上，SAT-E2EDA比E2EDA的组装精度分别提高了2.3%和5.9%。　　(4) 在上述方法的基础上，设计并开发了在线组装服务器。基于TensorFlow框架，使用Python语言实现了端到端结构域组装算法。并基于Vue和Spring等前后端框架，使用 Java 和 JavaScript 语言搭建了在线服务器。在线服务器网址：。

关键词：多结构域蛋白质深度学习结构域组装模板建模域间方位预测

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：