Linker Library:基于几何特征的骨架跃迁片段库

骨架跃迁是目前应用最广泛的药物设计策略之一,但是现有骨架跃迁方法产生的化合物大多为已报道的先导化合物的衍生物或类似物,化学结构缺乏新颖性。针对现有骨架跃迁方法的局限性,提出了一种保持药效团与骨架之间的相对距离和角度不变的骨架跃迁策略,构建一个包含骨架几何特征的linker片段库:Linker Library。该片段库可以根据骨架中心到连接点之间距离和角度,推荐结构新颖且可保持官能团相对位置的片段,有助于指导化合物的骨架跃迁并加速药物发现进程。

一种基于折叠模式识别的蛋白质结构片段库构建方法

片段组装方法是从头预测蛋白质三维结构的一类重要方法.现有的基于序列相似的片段库质量限制了低同源目标的预测精度,所以寻找与天然结构更加拟合的已知蛋白质结构片段来构建高质量的片段库是片段组装方法的一项重要任务.本文利用SCOP数据库中的三维结构相似性,对SCOP的折叠模式进行预测,提取预测出的相同折叠模式的已知蛋白质结构的信息,生成保存残基信息的数据库(Vall库).然后将目标蛋白质序列分割成的残基片段与Vall库进行综合评价后生成一种新的片段库,该片段库可以用于一个骨架预测并行蚁群算法.将本文方法与蛋白质结构预测程序RosettaAbinitio的基于序列的片段库进行了比较,实验结果表明采用本文方法的片段库可以找到更接近天然构象的蛋白质结构.

应用Agilent 2100 Bioanalyzer分析限制性显示技术制备的HIV片段库

使用Agilent 2 10 0Bioanalyzer分析限制性显示技术 (restrictiondisplay ,RD)制备的HIV片段库 .利用合适的限制酶从质粒上获得HIVB亚型代表株U2 6 94 2全基因cDNA ,然后将目的片段进行Sau3AⅠ消化 ,在消化得到的片段两端加接头 ,利用通用引物进行PCR扩增 ,扩增结果通过琼脂糖凝胶电泳以及Agilent 2 10 0Bioanalyzer两种方法分析 .结果显示 ,Agilent 2 10 0Bioanalyzer比琼脂糖凝胶电泳能更快速、直接和客观地反映RD技术制备的DNA片段的大小以及含量 ,并能对RD PCR过程中片段自身连接以及优势扩增的现象进行直接的监控作用 .

基于光盘为载体的片段性视频素材库的创建

本文以<电视教材编导>课程素材库创建的具体实践为例,简述了片段性电视教材的特点,重点阐述了片段性视频素材库创建与开发的具体程序及相关问题的解决.

基于DOP的汉语句法分析技术

本文提出一种以DOP技术作为基本框架,同时利用基于相似的概率评估技术,实现汉语句法分析的方法。其中,对于输入语句,首先需要经过词汇层与词性层两层初选。然后,基于已构建知识源,获取输入语句的片段组合形式。最后,对输入语句与初选结果进行相似性评估,完成输入语句的组合分析过程。为论证方法有效性,基于包含1 000 个语句的真实汉语语料构建知识源,并采用包含100 个语句的真实汉语语料作为测试集。实验表明,句法分析的各项指标都比较令人满意,可有效地实现汉语句法分析。

多功能M13KE噬菌体展示系统的建立

以M13KE噬菌体为起始载体,建立一种无需辅助噬菌体的较长片段多肽库展示系统,以解决当前噬菌体展示仅能筛选短肽库现象,并扩大靶向高通量筛选范畴。根据M13KE次要外壳蛋白(Minor coat protein of wild-type M13KE,wt-pⅢ)基因III(wt-gene Ⅲ)结构与功能关系,设计并扩增出能发挥其基因功能的截短基因Ⅲ(Truncated gene Ⅲ,tgⅢ);通过拼接-重叠-延伸PCR(Splice-overlapping-extension polymerase chain reaction,SOEing-PCR)获得含启动子、信号肽和结构基因的融合基因片段,将其插入至M13KE载体的合适部位,进行蛋白质诱导表达,SDS-PAGE和Western blot分析。同时在wt-gⅢ和tgⅢ部位分别插入HA和c-Myc多肽标签,再次进行表达和检测。结果显示,tgⅢ被插入到M13KE的非必需部位,利用抗蛋白III(anti-M13 pⅢ)抗体进行Western blot检测发现,wt-gⅢ和tgIII均能表达pIII(protein Ⅲ,pⅢ);anti-HA和c-Myc抗体都能检测到2个标签蛋白和pⅢ蛋白质的表达。获得一种多功能M13KE载体,具有既能表达短片段多肽库,也能表达较长片段多肽库的潜能,而且无需辅助噬菌体,可用于更大范围的高通量靶向筛选。

基于改进贝叶斯程序学习的物体形状分类

为解决传统物体形状分类方法存在训练时间长以及形状描述不准确的问题,提出一种基于改进贝叶斯程序学习的图像分类方法。先将物体轮廓进行预处理并分割为长度固定的轮廓片段,使用形状描述符记录其形状信息,然后采用高斯混合模型对同一类物体的轮廓片段集训练出轮廓片段库,最后从测试图像的轮廓上均匀提取10个轮廓片段作为测试样本的解析,使用贝叶斯分类器计算样本解析与每类轮廓片段库中轮廓片段的拟合相似度,以其相似度值最高的类作为分类结果。在标准数据库Animal上的实验结果表明,本文方法具有较高的分类精度,同时大幅度缩短了训练时间。