摘要
一种机器学习从头设计生成EGFR靶向肽的方法,属于计算机人工智能与新药设计领域,该方法使用来自PeptideAtlas数据库的肽数据进行预训练,并通过文献报道EGFR靶向肽进行微调,通过LSTM网络生成具有特定理化性质的肽序列,利用ZDOCK和Autodock CrankPep等工具进行筛选,预测其与EGFR的结合模式和亲和力。进一步通过分子动力学模拟技术评估肽与EGFR复合物的稳定性和生物活性。
技术关键词
训练深度学习模型
计算机人工智能
傅里叶变换算法
长短期记忆网络
新药设计
数据
亲和力
预训练模型
序列特征
复合物
蒙特卡洛
活性肽
非标准
优化器
训练集
分子
生物
系统为您推荐了相关专利信息
模块化多电平
长短期记忆网络
预测控制方法
变换器
电压
选址定容方法
评估配电网
充电站
非参数核密度估计
神经网络模型
在线学习机制
融合先验知识
滑动窗口
能效预测方法
热传递系统
分层存储管理
数据分类
数据采集模块
深度学习模型
深度学习分类模型
智慧监管系统
故障案例库
异常事件
固体危险废物
长短期记忆网络