CN110729024B - 一种基于拓扑结构相似性的蛋白质结构模型质量评估方法 - Google Patents

一种基于拓扑结构相似性的蛋白质结构模型质量评估方法 Download PDF

Info

Publication number
CN110729024B
CN110729024B CN201910793342.6A CN201910793342A CN110729024B CN 110729024 B CN110729024 B CN 110729024B CN 201910793342 A CN201910793342 A CN 201910793342A CN 110729024 B CN110729024 B CN 110729024B
Authority
CN
China
Prior art keywords
protein
contact
similarity
points
calculating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910793342.6A
Other languages
English (en)
Other versions
CN110729024A (zh
Inventor
张贵军
赵凯龙
夏瑜豪
刘俊
彭春祥
周晓根
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Zhaoji Biotechnology Co ltd
Shenzhen Xinrui Gene Technology Co ltd
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201910793342.6A priority Critical patent/CN110729024B/zh
Publication of CN110729024A publication Critical patent/CN110729024A/zh
Application granted granted Critical
Publication of CN110729024B publication Critical patent/CN110729024B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
    • G16B15/20—Protein or domain folding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Biotechnology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioethics (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

一种基于拓扑结构相似性的蛋白质结构模型质量评估方法，设计了一种新的蛋白质结构模型质量评估指标，根据目标蛋白和天然蛋白每对氨基酸在空间的距离信息判定两个结构的相似度；以两两二级结构在空间中形成的接触矩阵为单位一一比对相似度，对于局部结构的微小误差不敏感，而是从整体拓扑结构的相似性上打分。本发明将评估分数设定在[0,100]，分数越高表示蛋白质精度越高，消除了评估分数对蛋白质长度的依赖性。

Description

一种基于拓扑结构相似性的蛋白质结构模型质量评估方法
技术领域
本发明涉及生物信息学、计算机应用领域，尤其涉及的是一种基于拓扑结构相似性的蛋白质结构模型质量评估方法。
背景技术
蛋白质只有在折叠成特定的结构之后方能行使特定的生物学功能，因此了解蛋白质结构对于认识其功能有着重要意义。测定蛋白质三级结构的主流实验方法包括X-射线晶体衍射和核磁共振等。X-射线晶体衍射技术能够获得高精度的蛋白质结构，但是很多蛋白质难以制备用于结构解析的晶体，因此无法通过此方法测定结构。核磁共振虽不需要制备蛋白质晶体，但一般仅能测定长度不超过300个氨基酸的小蛋白。
由于蛋白质结构实验测定的速度远远跟不上序列测定的速度，无法满足大规模蛋白质结构解析的需求，因此使用计算的方法根据蛋白质序列预测结构是非常有意义的工作。蛋白质结构预测的直观思路是直接使用分子动力学技术模拟蛋白质的折叠过程，模拟蛋白质的折叠过程有助于理解蛋白质的折叠机理，以及能量函数的设计。然而，由于需要大量的计算资源，以及缺乏对蛋白质折叠过程的深刻认识，现有的分子动力学模拟技术无法进行快速、准确的结构预测，因此基于统计学习和组合优化的预测算法则成为预测蛋白质结构的主要手段。从头蛋白质结构预测方法是一种常用的蛋白质结构预测方法，由于它仅利用一级序列信息进行预测，而不依赖于已知蛋白质结构模板，所以该方法也是一种较理想的预测方法。
在蛋白质结构预测中，通常通过计算预测结构与真实结构中等效残基的距离的均方根偏差(RMSD)来评价预测结构的精度。但使用均方根偏差的问题在于，当RMSD值较大时，它对局部结构偏差异常敏感，而不能对全局结构打出合理的分数；并且RMSD的值所代表的精确度与蛋白质的大小密切相关，RMSD为
Figure GDA0003277096920000022
长度为45的蛋白质的精度不一定比RMSD为
Figure GDA0003277096920000023
长度为100的蛋白质高，因此RMSD不能很好地反映预测蛋白质的精度
其他的评分函数，例如GDT-TS和MaxSub，依赖于找到模型子结构，其中所有的残基都在相应模板残基的特定阈值距离内，而该阈值是人为主观设定的，因此不能够用于所有蛋白质的评估标准。
发明内容
本发明提出一种基于拓扑结构相似性的蛋白质结构模型质量评估方法，设计了一种新的蛋白质结构模型质量评估指标，根据目标蛋白和天然蛋白每对氨基酸在空间的距离信息判定两个结构的相似度；以两两二级结构在空间中形成的接触矩阵为单位一一比对相似度，对于局部结构的微小误差不敏感，而是从整体拓扑结构的相似性上打分。本发明将评估分数设定在[0,100]，分数越高表示蛋白质精度越高，消除了评估分数对蛋白质长度的依赖性。
本发明解决其技术问题所采用的技术方案是：
一种基于拓扑结构相似性的蛋白质结构模型质量评估方法，所述方法包括以下步骤：
1)输入待评估目标蛋白质及其天然蛋白质结构信息，读取序列长度L及天然蛋白质二级结构信息；
2)分别读取两个蛋白质形成的接触信息：对于每个个体，计算每一对氨基酸之间的距离，当两个氨基酸之间的距离小于等于
Figure GDA0003277096920000024
时，则定义为接触，记为1，否则记为0，最终构建出一个L×L的接触矩阵，记两个个体的接触矩阵分别为Mtarget、Mnative；
3)首尾为loop区域除外，以二级结构中其他loop区域的中心氨基酸为界将蛋白质结构分为E个区域；将两个个体的接触矩阵按每段区域的氨基酸序号划分为E×E个小矩形图，记作：
Figure GDA0003277096920000021
4)将两个接触矩阵重叠，按如下公式计算并集的接触：
Figure GDA0003277096920000031
5)将并集的接触矩阵主对角线上的点都记为0；
5.1)设e＝1，e∈{1,2,...,E×E}；
5.2)选择矩阵中第e个小矩形图，计算其中记为1的点在小矩形图中的两两之间的欧式距离，选择其中最大的距离值，记为de；
5.3)在第e个小矩形图中，|i-j|＜＝12的点的个数记为
Figure GDA0003277096920000032
12<|i-j|＜＝23的点的个数记为
Figure GDA0003277096920000033
|i-j|＞＝24的点的个数记为
Figure GDA0003277096920000034
其中i和j均∈{1,2，…L}，表示氨基酸序号，|i-j|表示两个氨基酸在序列上的距离；
5.4)按如下公式计算第e个小矩形图按不同权重分配得到的欧式距离值De：
Figure GDA0003277096920000035
5.5)e＝e+1；若e≤E×E，转至步骤5.2)；
6)按照如下公式计算每个小矩形图所分配的分数：
Figure GDA0003277096920000036
7)按照步骤5)，分别计算目标蛋白的接触矩阵Mtarget和天然蛋白的接触矩阵Mnative中每个小矩形图按不同权重分配得到的欧式距离值De，分别记为
Figure GDA0003277096920000039
和
Figure GDA00032770969200000310
按照如下公式计算两个蛋白质每个小矩形图的相似度分数：
Figure GDA0003277096920000037
则目标蛋白质与天然蛋白质结构相似度分数为：
Figure GDA0003277096920000038
8)输出相似度打分结果即为目标蛋白质结构模型质量的评分。
本发明的有益效果为：设计了蛋白质结构模型质量评估指标，以两两二级结构在空间中形成的小接触矩阵为单位一一比对相似度，根据整体拓扑结构的相似性打分，对于局部结构的微小误差不敏感。本发明将评估分数设定为[0,100]，分数越高表示蛋白质精度越高，消除了评估分数对蛋白质长度的依赖性。
附图说明
图1是一种基于拓扑结构相似性的蛋白质结构模型质量评估方法所评估的目标蛋白与天然蛋白1CG5B的三维结构图，目标蛋白的模型质量得分为67.3，其中，(a)是目标蛋白，(b)是天然蛋白。
图2是一种基于拓扑结构相似性的蛋白质结构模型质量评估方法对蛋白质1CG5B进行划分的矩阵图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1和图2，一种基于拓扑结构相似性的蛋白质结构模型质量评估方法，包括以下步骤：
1)输入待评估目标蛋白质及其天然蛋白质结构信息，读取序列长度L及天然蛋白质二级结构信息；
2)分别读取两个蛋白质形成的接触信息：对于每个个体，计算每一对氨基酸之间的距离，当两个氨基酸之间的距离小于等于
Figure GDA0003277096920000043
时，则定义为接触，记为1，否则记为0，最终构建出一个L×L的接触矩阵，记两个个体的接触矩阵分别为Mtarget、Mnative；
3)首尾为loop区域除外，以二级结构中其他loop区域的中心氨基酸为界将蛋白质结构分为E个区域；将两个个体的接触矩阵按每段区域的氨基酸序号划分为E×E个小矩形图，记作：
Figure GDA0003277096920000041
4)将两个接触矩阵重叠，按如下公式计算并集的接触：
Figure GDA0003277096920000042
5)将并集的接触矩阵主对角线上的点都记为0；
5.1)设e＝1，e∈{1,2,...,E×E}；
5.2)选择矩阵中第e个小矩形图，计算其中记为1的点在小矩形图中的两两之间的欧式距离，选择其中最大的距离值，记为de；
5.3)在第e个小矩形图中，|i-j|＜＝12的点的个数记为
Figure GDA0003277096920000051
12<|i-j|＜＝23的点的个数记为
Figure GDA0003277096920000052
|i-j|＞＝24的点的个数记为
Figure GDA0003277096920000053
其中i和j均∈{1,2，…L}，表示氨基酸序号，|i-j|表示两个氨基酸在序列上的距离；
5.4)按如下公式计算第e个小矩形图按不同权重分配得到的欧式距离值De：
Figure GDA0003277096920000054
5.5)e＝e+1；若e≤E×E，转至步骤5.2)；
6)按照如下公式计算每个小矩形图所分配的分数：
Figure GDA0003277096920000055
7)按照步骤5)，分别计算目标蛋白的接触矩阵Mtarget和天然蛋白的接触矩阵Mnative中每个小矩形图按不同权重分配得到的欧式距离值De，分别记为
Figure GDA0003277096920000056
和
Figure GDA0003277096920000057
按照如下公式计算两个蛋白质每个小矩形图的相似度分数：
Figure GDA0003277096920000058
则目标蛋白质与天然蛋白质结构相似度分数为：
Figure GDA0003277096920000059
8)输出相似度打分结果即为目标蛋白质结构模型质量的评分。
本实施例以序列长度为141，RMSD为
Figure GDA00032770969200000510
的蛋白质1CG5B为实施例，一种基于拓扑结构相似性的蛋白质结构模型质量评估方法，包括以下步骤：
1)输入待评估目标蛋白质及其天然蛋白质结构信息，读取序列长度L＝141及天然蛋白质二级结构信息；
2)分别读取两个蛋白质形成的接触信息：对于每个个体，计算每一对氨基酸之间的距离，当两个氨基酸之间的距离小于等于
Figure GDA00032770969200000511
时，则定义为接触，记为1，否则记为0，最终构建出一个L×L的接触矩阵，记两个个体的接触矩阵分别为Mtarget、Mnative；
3)首尾为loop区域除外，以二级结构中其他loop区域的中心氨基酸为界将蛋白质结构分为E个区域；将两个个体的接触矩阵按每段区域的氨基酸序号划分为E×E个小矩形图，记作：
Figure GDA0003277096920000061
4)将两个接触矩阵重叠，按如下公式计算并集的接触：
Figure GDA0003277096920000062
5)将并集的接触矩阵主对角线上的点都记为0；
5.1)设e＝1，e∈{1,2,...,E×E}；
5.2)选择矩阵中第e个小矩形图，计算其中记为1的点在小矩形图中的两两之间的欧式距离，选择其中最大的距离值，记为de；
5.3)在第e个小矩形图中，|i-j|＜＝12的点的个数记为
Figure GDA0003277096920000063
12＜|i-j|＜＝23的点的个数记为
Figure GDA0003277096920000064
|i-j|＞＝24的点的个数记为
Figure GDA0003277096920000065
其中i和j均∈{1,2，…L}，表示氨基酸序号，|i-j|表示两个氨基酸在序列上的距离；
5.4)按如下公式计算第e个小矩形图按不同权重分配得到的欧式距离值De：
Figure GDA0003277096920000066
5.5)e＝e+1；若e≤E×E，转至步骤5.2)；
6)按照如下公式计算每个小矩形图所分配的分数：
Figure GDA0003277096920000067
7)按照步骤5)，分别计算目标蛋白的接触矩阵Mtarget和天然蛋白的接触矩阵Mnative中每个小矩形图按不同权重分配得到的欧式距离值De，分别记为
Figure GDA0003277096920000068
和
Figure GDA0003277096920000069
按照如下公式计算两个蛋白质每个小矩形图的相似度分数：
Figure GDA00032770969200000610
则目标蛋白质与天然蛋白质结构相似度分数为：
Figure GDA0003277096920000071
8)输出相似度打分结果即为目标蛋白质结构模型质量的评分。
以氨基酸序列长度为141的蛋白质1CG5B为实施例，运用以上方法得到了该蛋白质的模型质量评估分数，输出结果为67.3。
以上阐述是本发明给出的一个实施的评估效果，本发明不仅适合上述实施例，在不偏离本发明基本思想及不超出本发明实质内容的前提下可对其做种种改进加以实施。

Claims (1)

1.一种基于拓扑结构相似性的蛋白质结构模型质量评估方法，其特征在于，所述方法包括以下步骤：
1)输入待评估目标蛋白质及其天然蛋白质结构信息，读取序列长度L及天然蛋白质二级结构信息；
2)分别读取两个蛋白质形成的接触信息：对于每个个体，计算每一对氨基酸之间的距离，当两个氨基酸之间的距离小于等于
Figure FDA0003277096910000011
时，则定义为接触，记为1，否则记为0，最终构建出一个L×L的接触矩阵，记两个个体的接触矩阵分别为Mtarget、Mnative；
3)首尾为loop区域除外，以二级结构中其他loop区域的中心氨基酸为界将蛋白质结构分为E个区域；将两个个体的接触矩阵按每段区域的氨基酸序号划分为E×E个小矩形图，记作：
Figure FDA0003277096910000012
4)将两个接触矩阵重叠，按如下公式计算并集的接触矩阵：
Figure FDA0003277096910000013
5)将并集的接触矩阵主对角线上的点都记为0；
5.1)设e＝1，e∈{1,2,...,E×E}；
5.2)选择矩阵中第e个小矩形图，计算其中记为1的点在小矩形图中的两两之间的欧式距离，选择其中最大的距离值，记为de；
5.3)在第e个小矩形图中，|i-j|＜＝12的点的个数记为
Figure FDA0003277096910000014
12＜|i-j|＜＝23的点的个数记为
Figure FDA0003277096910000015
|i-j|＞＝24的点的个数记为
Figure FDA0003277096910000016
其中i和j均∈{1,2，...L}，表示氨基酸序号，|i-j|表示两个氨基酸在序列上的距离；
5.4)按如下公式计算第e个小矩形图按不同权重分配得到的欧式距离值De：
Figure FDA0003277096910000017
5.5)e＝e+1；若e≤E×E，转至步骤5.2)；
6)按照如下公式计算每个小矩形图所分配的分数：
Figure FDA0003277096910000021
7)按照步骤5)，分别计算目标蛋白的接触矩阵Mtarget和天然蛋白的接触矩阵Mnative中每个小矩形图按不同权重分配得到的欧式距离值De，分别记为
Figure FDA0003277096910000022
和
Figure FDA0003277096910000023
按照如下公式计算两个蛋白质每个小矩形图的相似度分数：
Figure FDA0003277096910000024
则目标蛋白质与天然蛋白质结构相似度分数为：
Figure FDA0003277096910000025
8)输出相似度打分结果即为目标蛋白质结构模型质量的评分。
CN201910793342.6A 2019-08-27 2019-08-27 一种基于拓扑结构相似性的蛋白质结构模型质量评估方法 Active CN110729024B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910793342.6A CN110729024B (zh) 2019-08-27 2019-08-27 一种基于拓扑结构相似性的蛋白质结构模型质量评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910793342.6A CN110729024B (zh) 2019-08-27 2019-08-27 一种基于拓扑结构相似性的蛋白质结构模型质量评估方法

Publications (2)

Publication Number Publication Date
CN110729024A CN110729024A (zh) 2020-01-24
CN110729024B true CN110729024B (zh) 2021-12-17

Family

ID=69217154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910793342.6A Active CN110729024B (zh) 2019-08-27 2019-08-27 一种基于拓扑结构相似性的蛋白质结构模型质量评估方法

Country Status (1)

Country Link
CN (1) CN110729024B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113223631B (zh) * 2021-05-06 2024-05-24 吉林大学 一种晶体结构解析方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622182A (zh) * 2017-08-04 2018-01-23 中南大学 蛋白质局部结构特征的预测方法及系统
WO2019040871A1 (en) * 2017-08-24 2019-02-28 Miller Julian DEVICE FOR ENCODING AND STORING INFORMATION USING ARTIFICIALLY EXPANDED ALPHABETS OF NUCLEIC ACIDS AND OTHER ANALOGOUS POLYMERS
CN109448784A (zh) * 2018-08-29 2019-03-08 浙江工业大学 一种基于二面角信息辅助能量函数选择的蛋白质结构预测方法
CN110120244A (zh) * 2019-03-28 2019-08-13 浙江工业大学 一种基于接触图的蛋白质结构比对方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070218503A1 (en) * 2006-02-13 2007-09-20 Mitra Robi D Methods of polypeptide identification, and compositions therefor

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622182A (zh) * 2017-08-04 2018-01-23 中南大学 蛋白质局部结构特征的预测方法及系统
WO2019040871A1 (en) * 2017-08-24 2019-02-28 Miller Julian DEVICE FOR ENCODING AND STORING INFORMATION USING ARTIFICIALLY EXPANDED ALPHABETS OF NUCLEIC ACIDS AND OTHER ANALOGOUS POLYMERS
CN109448784A (zh) * 2018-08-29 2019-03-08 浙江工业大学 一种基于二面角信息辅助能量函数选择的蛋白质结构预测方法
CN110120244A (zh) * 2019-03-28 2019-08-13 浙江工业大学 一种基于接触图的蛋白质结构比对方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"A new method to improve network topological similarity search: applied to fold recognition";John L;《Bioinformatics》;20150225;第1-9页 *
"连续模型上的蛋白质分子场拓扑骨架的提取";李书蔚;《杭州电子科技大学学报》;20180131;第1-5页 *

Also Published As

Publication number Publication date
CN110729024A (zh) 2020-01-24

Similar Documents

Publication Publication Date Title
CN110232445B (zh) 一种基于知识蒸馏的文物真伪鉴定方法
CN105260371B (zh) 一种特征选择方法及装置
Quinn et al. Information geometry for multiparameter models: New perspectives on the origin of simplicity
CN104636505A (zh) 一种视频检索方法及装置
CN113257357B (zh) 蛋白质残基接触图预测方法
CN110729024B (zh) 一种基于拓扑结构相似性的蛋白质结构模型质量评估方法
CN106599610A (zh) 预测长链非编码rna和蛋白质联系的方法及系统
Jain et al. Object detection using coco dataset
CN107544944B (zh) 一种基于图论的支持向量机核函数选择方法及其应用
CN111144466B (zh) 一种图像样本自适应的深度度量学习方法
Wong et al. A comparison study for DNA motif modeling on protein binding microarray
US10824899B2 (en) Structural clustering and alignment of OCR results
CN110070120B (zh) 基于判别采样策略的深度度量学习方法及系统
CN115687854B (zh) 高精度土样参数测量方法及其系统
Deorowicz et al. Kalign-LCS—a more accurate and faster variant of Kalign2 algorithm for the multiple sequence alignment problem
CN114281950B (zh) 基于多图加权融合的数据检索方法与系统
CN108763860B (zh) 一种基于Loop信息采样的群体蛋白质构象空间优化方法
Wang et al. Two new heuristic methods for protein model quality assessment
KR100836166B1 (ko) 단백질의 아미노산 서열로부터 삼차 구조를 예측하기 위한장치 및 이의 예측 방법
CN115331754A (zh) 基于哈希算法的分子分类方法
CN109326318B (zh) 一种基于Loop区域高斯扰动的群体蛋白质结构预测方法
Xiao et al. Patch-wise Mixed-Precision Quantization of Vision Transformer
Terashi et al. CAB-Align: A flexible protein structure alignment method based on the residue-residue contact area
CN111383710A (zh) 基于粒子群优化双子支持向量机的基因剪接位点识别模型构建方法
Saraswathi et al. Distributions of amino acids suggest that certain residue types more effectively determine protein secondary structure

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231221

Address after: 518054, D1101, Building 4, Software Industry Base, No. 19, 17, and 18 Haitian 1st Road, Binhai Community, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province

Patentee after: Shenzhen Xinrui Gene Technology Co.,Ltd.

Address before: 510075 No. n2248, floor 3, Xingguang Yingjing, No. 117, Shuiyin Road, Yuexiu District, Guangzhou City, Guangdong Province

Patentee before: GUANGZHOU ZHAOJI BIOTECHNOLOGY CO.,LTD.

Effective date of registration: 20231221

Address after: 510075 No. n2248, floor 3, Xingguang Yingjing, No. 117, Shuiyin Road, Yuexiu District, Guangzhou City, Guangdong Province

Patentee after: GUANGZHOU ZHAOJI BIOTECHNOLOGY CO.,LTD.

Address before: The city Zhaohui six districts Chao Wang Road Hangzhou City, Zhejiang province 310014 18

Patentee before: JIANG University OF TECHNOLOGY