CN111312342A - 一种电子结构计算机辅助药物设计系统 - Google Patents
一种电子结构计算机辅助药物设计系统 Download PDFInfo
- Publication number
- CN111312342A CN111312342A CN202010149419.9A CN202010149419A CN111312342A CN 111312342 A CN111312342 A CN 111312342A CN 202010149419 A CN202010149419 A CN 202010149419A CN 111312342 A CN111312342 A CN 111312342A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- protein
- computer
- analysis
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/50—Molecular design, e.g. of drugs
-
- 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
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
-
- 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
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
-
- 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
- G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Biotechnology (AREA)
- Medicinal Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Crystallography & Structural Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种电子结构计算机辅助药物设计系统,包括计算机控制中心、云端数据中心、医疗数据库、辅助判断模型和大数据集成模块,所述计算机控制中心包括SAS系统、数据预测模块、数据闪存模块和数据测序模块,所述SAS系统中导入样本药物的蛋白质高通量原始芯片数据,利用高通量筛选HTS技术;本发明利用高通量筛选技术,以分子水平和细胞水平的实验方法为基础,以SAS系统执行试验过程,对蛋白质高通量原始芯片的信号值进行筛选,剔除低质量信号数据,得到理论上有效的蛋白质文件,并以数据预测模块和数据测序模块对实验数据进行分析处理,便于同一时间对数以千万样品检测,效率更高,节省成本。
Description
技术领域
本发明涉及药物设计系统技术领域,尤其涉及一种电子结构计算机辅助药物设计系统。
背景技术
计算机辅助药物设计是以计算机化学为基础,通过计算机的模拟、计算和预算药物与受体生物大分子之间的关系,设计和优化先导化合物的方法,计算机辅助药物设计实际上就是通过模拟和计算受体与配体的这种相互作用,进行先导化合物的优化与设计,计算机辅助药物设计大致包括活性位点分析法、数据库搜寻、全新药物设计;
现有技术中,从药物的数据库筛选药物,工作量巨大,同时消耗大量的成本,而成功筛选一个新药常常需要多年时间,且大量的药物被筛选出来,但是缺乏大数据技术的应用,缺少信息集成和共享的关键部件和功能,对药物的功能机制了解很困难,特别是对其潜在功能的研究成为该领域目前急需解决的问题,因此,本发明提出一种电子结构计算机辅助药物设计系统以解决现有技术中存在的问题。
发明内容
针对上述问题,本发明的目的在于提出一种电子结构计算机辅助药物设计系统,该系统利用高通量筛选技术,以分子水平和细胞水平的实验方法为基础,以SAS系统执行试验过程,对蛋白质高通量原始芯片的信号值进行筛选,剔除低质量信号数据,得到理论上有效的蛋白质文件,并以数据预测模块和数据测序模块对实验数据进行分析处理,便于同一时间对数以千万样品检测,效率更高,节省成本。
为实现本发明的目的,本发明通过以下技术方案实现:一种电子结构计算机辅助药物设计系统,包括计算机控制中心、云端数据中心、医疗数据库、辅助判断模型和大数据集成模块,所述计算机控制中心包括SAS系统、数据预测模块、数据闪存模块和数据测序模块,所述SAS系统中导入样本药物的蛋白质高通量原始芯片数据,利用高通量筛选HTS技术,以分子水平和细胞水平的实验方法为基础,以SAS系统执行试验过程,先对蛋白质高通量原始芯片的信号值进行筛选,剔除低质量信号数据,得到理论上有效的蛋白质文件,将所筛选出的蛋白质表达数据在TCGA数据库中与其分期、转移、浸润等临床信息,进行生物信息统计学分析,进一步筛选出蛋白质的全电子结构数据;
所述数据预测模块为TargetScan靶基因预测软件,用于对样本药物的蛋白质数据进行前景值和背景值校正,得到消除噪音污染的蛋白质信号数据;
所述数据测序模块为solexa测序技术,利用solexa测序技术对蛋白质信号数据进行表达谱数据分析,具体为:基因表达水平分析、差异表达基因分析、GO/KEGG富集分析、蛋白互作网络分析、基因共表达网络构建,最后进行可视化结果展示,将可视化结果数据暂时储存在数据闪存模块中;
所述医疗数据库接入国家药检数据中心,包括药物基因数据库信息、传感器采集信息和设备采集信息,所述药物基因数据库信息包括药物临床数据和蛋白质组学数据;
所述大数据集成模块包括集成引擎和搜索引擎,所述集成引擎支持IHE标准,包含IHE交换工具,且集成引擎内置集成测试功能,所述搜索引擎采用ElasticSearch+Logstash+Kibana框架部署,且利用ElasticSearch搜索服务器完成分布式的多用户全文搜索引擎,进行数据管理;
所述辅助判断模型包括分布式计算框架和NoSQL数据库,所述分布式计算架构采用AngularJS+NodeJS+NoSQL框架进行开发,利用AngularJS框架建立前端界面,利用NodeJS快速的建立服务端反馈,所述NoSQL数据库为MongoDB,其作为非关系型数据库,反应数据间的关系,用于数据交互,所述辅助判断模型分别与数据测序模块和药物基因数据库信息连接并将样本药物的可视化结果与药物临床数据、蛋白质组学数据进行对比分析,构建cicRNA-miRNA-mRNA-疾病分子链,随后进行高通量测序,使用STAR软件进行index构建,设定对比参数配置文件,筛选出配体,然后计算所述蛋白质和配体的全电子结构,得到蛋白质的轨道系数和分子轨道能级。
进一步改进在于:所述计算机控制中心中,对蛋白质高通量原始芯片的信号值进行筛选采用SPA原理的HTS技术,结合芯片靶位,芯片与同位素标记的配体特异性结合,在近距离释放射线能量激发产生冷光;不能特异性结合的信号值,其标记同位素所发出的射线能量不足以激发产生冷光,以此进行筛选。
进一步改进在于:所述数据预测模块中设有Affy软件,利用Affy软件根据不同的单、双色通道芯片类型进行蛋白质高通量原始芯片数据预处理,得到经过对数变换的信号值。
进一步改进在于:所述数据闪存模块内部集成Logstash日志分析引擎以及Kibana可视化平台,用于可视化数据管理。
进一步改进在于:所述医疗数据库具有Hash加密模块,防止数据被盗取,且Hash加密模块兼顾分布式计算框架的整体访问权限。
进一步改进在于:所述集成引擎包括ICD-10、HL7标准,数据访问符合Web服务技术规范,并提供面向HIS/PACS医学信息系统数据导入接口。
进一步改进在于:所述分布式计算框架提供Spark/R的高速计算,拥有并行化的高性能统计算法库,支持并行化统计算法和基础算法库,支持的并行化基础算法,支持处理大数据集,包括影像融合分析、影像数据挖掘、基因数据比对。
进一步改进在于:所述辅助判断模型支撑验证功能,验证配体是否具有识别特异性配基的能力,是否能与配基产生化学结构和空间结构互补的结合且具有亲和性、特异性、饱和性和可逆性,保证其有效性、安全性和可控性。
进一步改进在于:所述辅助判断模型中设有MeDIP-Seq技术模块,利用MeDIP-Seq技术对配体进行拼接和注释、可变剪切分析、差异表达外显子分析、反义转录本分析和SNP/Indel分析,并输出分析结果。
进一步改进在于:所述云端数据中心包括以太网模块、数据归类模块和云数据库,所述数据归类模块将药物配体按照属性进行分类并提供检索功能,所述云数据库用于储存配体信息数据并附上时间标签,且云数据库接入国家药检数据中心。
本发明的有益效果为:本发明利用高通量筛选技术,以分子水平和细胞水平的实验方法为基础,以SAS系统执行试验过程,对蛋白质高通量原始芯片的信号值进行筛选,剔除低质量信号数据,得到理论上有效的蛋白质文件,并以数据预测模块和数据测序模块对实验数据进行分析处理,便于同一时间对数以千万样品检测,效率更高,节省成本,且本发明应用到药物临床数据和蛋白质组学数据,能够解决药物信息集成与共享、影像数据与基因数据等海量数据高速存储与处理,并充分利用互联网与大数据技术,采用分布式计算框架,保证配体具有亲和性、特异性、饱和性、可逆性、有效性、安全性和可控性,兼顾数据信息分析及云端储存,提供完整的信息链处理,支持长期发展使用。
附图说明
图1为本发明的组成示意图。
具体实施方式
为了加深对本发明的理解,下面将结合实施例对本发明做进一步详述,本实施例仅用于解释本发明,并不构成对本发明保护范围的限定。
根据图1所示,本实施例提供了一种电子结构计算机辅助药物设计系统,包括计算机控制中心、云端数据中心、医疗数据库、辅助判断模型和大数据集成模块,所述计算机控制中心包括SAS系统、数据预测模块、数据闪存模块和数据测序模块,所述SAS系统中导入样本药物的蛋白质高通量原始芯片数据,利用高通量筛选HTS技术,以分子水平和细胞水平的实验方法为基础,以SAS系统执行试验过程,先对蛋白质高通量原始芯片的信号值进行筛选,剔除低质量信号数据,得到理论上有效的蛋白质文件,将所筛选出的蛋白质表达数据在TCGA数据库中与其分期、转移、浸润等临床信息,进行生物信息统计学分析,进一步筛选出蛋白质的全电子结构数据;
所述数据预测模块为TargetScan靶基因预测软件,用于对样本药物的蛋白质数据进行前景值和背景值校正,得到消除噪音污染的蛋白质信号数据;
所述数据测序模块为solexa测序技术,利用solexa测序技术对蛋白质信号数据进行表达谱数据分析,具体为:基因表达水平分析、差异表达基因分析、GO/KEGG富集分析、蛋白互作网络分析、基因共表达网络构建,最后进行可视化结果展示,将可视化结果数据暂时储存在数据闪存模块中;
所述医疗数据库接入国家药检数据中心,包括药物基因数据库信息、传感器采集信息和设备采集信息,所述药物基因数据库信息包括药物临床数据和蛋白质组学数据;
所述大数据集成模块包括集成引擎和搜索引擎,所述集成引擎支持IHE标准,包含IHE交换工具,且集成引擎内置集成测试功能,所述搜索引擎采用ElasticSearch+Logstash+Kibana框架部署,且利用ElasticSearch搜索服务器完成分布式的多用户全文搜索引擎,进行数据管理;
所述辅助判断模型包括分布式计算框架和NoSQL数据库,所述分布式计算架构采用AngularJS+NodeJS+NoSQL框架进行开发,利用AngularJS框架建立前端界面,利用NodeJS快速的建立服务端反馈,所述NoSQL数据库为MongoDB,其作为非关系型数据库,反应数据间的关系,用于数据交互,所述辅助判断模型分别与数据测序模块和药物基因数据库信息连接并将样本药物的可视化结果与药物临床数据、蛋白质组学数据进行对比分析,构建cicRNA-miRNA-mRNA-
疾病分子链,随后进行高通量测序,使用STAR软件进行index构建,设定对比参数配置文件,筛选出配体,然后计算所述蛋白质和配体的全电子结构,得到蛋白质的轨道系数和分子轨道能级。
所述计算机控制中心中,对蛋白质高通量原始芯片的信号值进行筛选采用SPA原理的HTS技术,结合芯片靶位,芯片与同位素标记的配体特异性结合,在近距离释放射线能量激发产生冷光;不能特异性结合的信号值,其标记同位素所发出的射线能量不足以激发产生冷光,以此进行筛选。
所述数据预测模块中设有Affy软件,利用Affy软件根据不同的单、双色通道芯片类型进行蛋白质高通量原始芯片数据预处理,得到经过对数变换的信号值。
所述数据闪存模块内部集成Logstash日志分析引擎以及Kibana可视化平台,用于可视化数据管理。
所述医疗数据库具有Hash加密模块,防止数据被盗取,且Hash加密模块兼顾分布式计算框架的整体访问权限。
所述集成引擎包括ICD-10、HL7标准,数据访问符合Web服务技术规范,并提供面向HIS/PACS医学信息系统数据导入接口。
所述分布式计算框架提供Spark/R的高速计算,拥有并行化的高性能统计算法库,支持并行化统计算法和基础算法库,支持的并行化基础算法,支持处理大数据集,包括影像融合分析、影像数据挖掘、基因数据比对。
所述辅助判断模型支撑验证功能,验证配体是否具有识别特异性配基的能力,是否能与配基产生化学结构和空间结构互补的结合且具有亲和性、特异性、饱和性和可逆性,保证其有效性、安全性和可控性。
所述辅助判断模型中设有MeDIP-Seq技术模块,利用MeDIP-Seq技术对配体进行拼接和注释、可变剪切分析、差异表达外显子分析、反义转录本分析和SNP/Indel分析,并输出分析结果。
所述云端数据中心包括以太网模块、数据归类模块和云数据库,所述数据归类模块将药物配体按照属性进行分类并提供检索功能,所述云数据库用于储存配体信息数据并附上时间标签,且云数据库接入国家药检数据中心。
该电子结构计算机辅助药物设计系统利用高通量筛选技术,以分子水平和细胞水平的实验方法为基础,以SAS系统执行试验过程,对蛋白质高通量原始芯片的信号值进行筛选,剔除低质量信号数据,得到理论上有效的蛋白质文件,并以数据预测模块和数据测序模块对实验数据进行分析处理,便于同一时间对数以千万样品检测,效率更高,节省成本,且本发明应用到药物临床数据和蛋白质组学数据,能够解决药物信息集成与共享、影像数据与基因数据等海量数据高速存储与处理,并充分利用互联网与大数据技术,采用分布式计算框架,保证配体具有亲和性、特异性、饱和性、可逆性、有效性、安全性和可控性,兼顾数据信息分析及云端储存,提供完整的信息链处理,支持长期发展使用。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种电子结构计算机辅助药物设计系统,其特征在于:包括计算机控制中心、云端数据中心、医疗数据库、辅助判断模型和大数据集成模块,所述计算机控制中心包括SAS系统、数据预测模块、数据闪存模块和数据测序模块,所述SAS系统中导入样本药物的蛋白质高通量原始芯片数据,利用高通量筛选HTS技术,以分子水平和细胞水平的实验方法为基础,以SAS系统执行试验过程,先对蛋白质高通量原始芯片的信号值进行筛选,剔除低质量信号数据,得到理论上有效的蛋白质文件,将所筛选出的蛋白质表达数据在TCGA数据库中与其分期、转移、浸润等临床信息,进行生物信息统计学分析,进一步筛选出蛋白质的全电子结构数据;
所述数据预测模块为TargetScan靶基因预测软件,用于对样本药物的蛋白质数据进行前景值和背景值校正,得到消除噪音污染的蛋白质信号数据;
所述数据测序模块为solexa测序技术,利用solexa测序技术对蛋白质信号数据进行表达谱数据分析,具体为:基因表达水平分析、差异表达基因分析、GO/KEGG富集分析、蛋白互作网络分析、基因共表达网络构建,最后进行可视化结果展示,将可视化结果数据暂时储存在数据闪存模块中;
所述医疗数据库接入国家药检数据中心,包括药物基因数据库信息、传感器采集信息和设备采集信息,所述药物基因数据库信息包括药物临床数据和蛋白质组学数据;
所述大数据集成模块包括集成引擎和搜索引擎,所述集成引擎支持IHE标准,包含IHE交换工具,且集成引擎内置集成测试功能,所述搜索引擎采用ElasticSearch+Logstash+Kibana框架部署,且利用ElasticSearch搜索服务器完成分布式的多用户全文搜索引擎,进行数据管理;
所述辅助判断模型包括分布式计算框架和NoSQL数据库,所述分布式计算架构采用AngularJS+NodeJS+NoSQL框架进行开发,利用AngularJS框架建立前端界面,利用NodeJS快速的建立服务端反馈,所述NoSQL数据库为MongoDB,其作为非关系型数据库,反应数据间的关系,用于数据交互,所述辅助判断模型分别与数据测序模块和药物基因数据库信息连接并将样本药物的可视化结果与药物临床数据、蛋白质组学数据进行对比分析,构建cicRNA-miRNA-mRNA-疾病分子链,随后进行高通量测序,使用STAR软件进行index构建,设定对比参数配置文件,筛选出配体,然后计算所述蛋白质和配体的全电子结构,得到蛋白质的轨道系数和分子轨道能级。
2.根据权利要求1所述的一种电子结构计算机辅助药物设计系统,其特征在于:所述计算机控制中心中,对蛋白质高通量原始芯片的信号值进行筛选采用SPA原理的HTS技术,结合芯片靶位,芯片与同位素标记的配体特异性结合,在近距离释放射线能量激发产生冷光;不能特异性结合的信号值,其标记同位素所发出的射线能量不足以激发产生冷光,以此进行筛选。
3.根据权利要求1所述的一种电子结构计算机辅助药物设计系统,其特征在于:所述数据预测模块中设有Affy软件,利用Affy软件根据不同的单、双色通道芯片类型进行蛋白质高通量原始芯片数据预处理,得到经过对数变换的信号值。
4.根据权利要求1所述的一种电子结构计算机辅助药物设计系统,其特征在于:所述数据闪存模块内部集成Logstash日志分析引擎以及Kibana可视化平台,用于可视化数据管理。
5.根据权利要求1所述的一种电子结构计算机辅助药物设计系统,其特征在于:所述医疗数据库具有Hash加密模块,防止数据被盗取,且Hash加密模块兼顾分布式计算框架的整体访问权限。
6.根据权利要求1所述的一种电子结构计算机辅助药物设计系统,其特征在于:所述集成引擎包括ICD-10、HL7标准,数据访问符合Web服务技术规范,并提供面向HIS/PAC S医学信息系统数据导入接口。
7.根据权利要求1所述的一种电子结构计算机辅助药物设计系统,其特征在于:所述分布式计算框架提供Spark/R的高速计算,拥有并行化的高性能统计算法库,支持并行化统计算法和基础算法库,支持的并行化基础算法,支持处理大数据集,包括影像融合分析、影像数据挖掘、基因数据比对。
8.根据权利要求1所述的一种电子结构计算机辅助药物设计系统,其特征在于:所述辅助判断模型支撑验证功能,验证配体是否具有识别特异性配基的能力,是否能与配基产生化学结构和空间结构互补的结合且具有亲和性、特异性、饱和性和可逆性,保证其有效性、安全性和可控性。
9.根据权利要求1所述的一种电子结构计算机辅助药物设计系统,其特征在于:所述辅助判断模型中设有MeDIP-Seq技术模块,利用MeDIP-Seq技术对配体进行拼接和注释、可变剪切分析、差异表达外显子分析、反义转录本分析和SNP/Indel分析,并输出分析结果。
10.根据权利要求1所述的一种电子结构计算机辅助药物设计系统,其特征在于:所述云端数据中心包括以太网模块、数据归类模块和云数据库,所述数据归类模块将药物配体按照属性进行分类并提供检索功能,所述云数据库用于储存配体信息数据并附上时间标签,且云数据库接入国家药检数据中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010149419.9A CN111312342B (zh) | 2020-03-04 | 2020-03-04 | 一种电子结构计算机辅助药物设计系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010149419.9A CN111312342B (zh) | 2020-03-04 | 2020-03-04 | 一种电子结构计算机辅助药物设计系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111312342A true CN111312342A (zh) | 2020-06-19 |
CN111312342B CN111312342B (zh) | 2023-07-11 |
Family
ID=71152252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010149419.9A Active CN111312342B (zh) | 2020-03-04 | 2020-03-04 | 一种电子结构计算机辅助药物设计系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111312342B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113671982A (zh) * | 2021-06-28 | 2021-11-19 | 湖州市公安局特警支队 | 一种应用于无人机室内突入作战可视化前导系统 |
CN117275590A (zh) * | 2023-11-10 | 2023-12-22 | 华东师范大学 | 有机固废体系中大分子的降解功能基因数据库与分析平台 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030125315A1 (en) * | 2001-04-10 | 2003-07-03 | Mjalli Adnan M. M. | Probes, systems, and methods for drug discovery |
US20030158672A1 (en) * | 1999-11-10 | 2003-08-21 | Kalyanaraman Ramnarayan | Use of computationally derived protein structures of genetic polymorphisms in pharmacogenomics for drug design and clinical applications |
US20040267098A1 (en) * | 1996-01-02 | 2004-12-30 | Moore Steven Jerome | Computer-assisted method for analyzing consumptions |
WO2005027012A2 (en) * | 2003-09-16 | 2005-03-24 | Pfizer Inc. | System and method for the computer-assisted identification of drugs and indications |
US20150142408A1 (en) * | 2013-11-15 | 2015-05-21 | Akiko Futamura | Computer-assisted modeling for treatment design |
CN105844028A (zh) * | 2016-03-28 | 2016-08-10 | 西安近代化学研究所 | 一种含能化合物计算机辅助设计系统 |
CN106228037A (zh) * | 2016-07-11 | 2016-12-14 | 东南大学 | 一种microRNA家族的高通量芯片数据处理及分析流程控制方法 |
CN206388353U (zh) * | 2016-12-21 | 2017-08-08 | 甘肃中医药大学 | 一种便携式计算机辅助药物分析装置 |
CN107437004A (zh) * | 2017-08-07 | 2017-12-05 | 深圳华大基因研究院 | 一种用于肿瘤个体化基因检测智能解读的系统 |
CN108537008A (zh) * | 2018-03-20 | 2018-09-14 | 常州大学 | 高通量基因测序大数据分析云平台系统 |
CN109671472A (zh) * | 2017-11-23 | 2019-04-23 | 周林祥 | 电子结构计算机辅助药物设计系统和方法 |
CN110111849A (zh) * | 2019-05-08 | 2019-08-09 | 北京市计算中心 | 一种基于高性能计算平台的核酸适配体计算机辅助筛选方法及核酸适配体 |
CN110289054A (zh) * | 2019-06-21 | 2019-09-27 | 江苏省原子医学研究所 | 一种法尼基焦磷酸合酶fpps抑制剂的筛选方法及应用 |
-
2020
- 2020-03-04 CN CN202010149419.9A patent/CN111312342B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040267098A1 (en) * | 1996-01-02 | 2004-12-30 | Moore Steven Jerome | Computer-assisted method for analyzing consumptions |
US20030158672A1 (en) * | 1999-11-10 | 2003-08-21 | Kalyanaraman Ramnarayan | Use of computationally derived protein structures of genetic polymorphisms in pharmacogenomics for drug design and clinical applications |
US20030125315A1 (en) * | 2001-04-10 | 2003-07-03 | Mjalli Adnan M. M. | Probes, systems, and methods for drug discovery |
WO2005027012A2 (en) * | 2003-09-16 | 2005-03-24 | Pfizer Inc. | System and method for the computer-assisted identification of drugs and indications |
US20150142408A1 (en) * | 2013-11-15 | 2015-05-21 | Akiko Futamura | Computer-assisted modeling for treatment design |
CN105844028A (zh) * | 2016-03-28 | 2016-08-10 | 西安近代化学研究所 | 一种含能化合物计算机辅助设计系统 |
CN106228037A (zh) * | 2016-07-11 | 2016-12-14 | 东南大学 | 一种microRNA家族的高通量芯片数据处理及分析流程控制方法 |
CN206388353U (zh) * | 2016-12-21 | 2017-08-08 | 甘肃中医药大学 | 一种便携式计算机辅助药物分析装置 |
CN107437004A (zh) * | 2017-08-07 | 2017-12-05 | 深圳华大基因研究院 | 一种用于肿瘤个体化基因检测智能解读的系统 |
CN109671472A (zh) * | 2017-11-23 | 2019-04-23 | 周林祥 | 电子结构计算机辅助药物设计系统和方法 |
CN108537008A (zh) * | 2018-03-20 | 2018-09-14 | 常州大学 | 高通量基因测序大数据分析云平台系统 |
CN110111849A (zh) * | 2019-05-08 | 2019-08-09 | 北京市计算中心 | 一种基于高性能计算平台的核酸适配体计算机辅助筛选方法及核酸适配体 |
CN110289054A (zh) * | 2019-06-21 | 2019-09-27 | 江苏省原子医学研究所 | 一种法尼基焦磷酸合酶fpps抑制剂的筛选方法及应用 |
Non-Patent Citations (5)
Title |
---|
"药物筛选平台及计算模拟与信息管理系统投入使用", no. 08 * |
孙凯;王秀荣;刘丽玲;刘荻;王忠华;陈维多;: "基因芯片技术及其应用", no. 03 * |
张婕;李梦婷;: "基于R软件和数据库的生物信息学分析设计", no. 04 * |
路群;顾觉奋;: "药物高通量筛选技术应用研究进展", no. 02 * |
郭家彬;李学军;: "现代生物学对药物发现的影响", no. 01 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113671982A (zh) * | 2021-06-28 | 2021-11-19 | 湖州市公安局特警支队 | 一种应用于无人机室内突入作战可视化前导系统 |
CN117275590A (zh) * | 2023-11-10 | 2023-12-22 | 华东师范大学 | 有机固废体系中大分子的降解功能基因数据库与分析平台 |
CN117275590B (zh) * | 2023-11-10 | 2024-03-26 | 华东师范大学 | 有机固废体系中大分子的降解功能基因数据库与分析平台 |
Also Published As
Publication number | Publication date |
---|---|
CN111312342B (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210257052A1 (en) | Bioinformatics Systems, Apparatuses, and Methods for Performing Secondary and/or Tertiary Processing | |
Schadt et al. | Computational solutions to large-scale data management and analysis | |
Zwier et al. | Reaching biological timescales with all-atom molecular dynamics simulations | |
Wang et al. | pFind 2.0: a software package for peptide and protein identification via tandem mass spectrometry | |
Hua et al. | Producing genome structure populations with the dynamic and automated PGS software | |
Junker et al. | TOPPAS: a graphical workflow editor for the analysis of high-throughput proteomics data | |
US20150066383A1 (en) | Collapsible modular genomic pipeline | |
Su et al. | Parallel-META: efficient metagenomic data analysis based on high-performance computation | |
González-Domínguez et al. | Parallelizing epistasis detection in GWAS on FPGA and GPU-accelerated computing systems | |
CN111312342B (zh) | 一种电子结构计算机辅助药物设计系统 | |
Hospital et al. | Surviving the deluge of biosimulation data | |
Ding et al. | Big data and stratified medicine: what does it mean for children? | |
Yang et al. | The Quartet Data Portal: integration of community-wide resources for multiomics quality control | |
Haseeb et al. | High performance computing framework for tera-scale database search of mass spectrometry data | |
Hernández-de-Diego et al. | STATegra EMS: an Experiment Management System for complex next-generation omics experiments | |
Pérez-Sánchez et al. | Developing science gateways for drug discovery in a grid environment | |
Srivastava et al. | NetSeekR: a network analysis pipeline for RNA-Seq time series data | |
Sarwar et al. | Database search, alignment viewer and genomics analysis tools: big data for bioinformatics | |
Agarwal et al. | Next generation distributed computing for cancer research | |
Ahmed et al. | GPU acceleration of Darwin read overlapper for de novo assembly of long DNA reads | |
Vijayakumar et al. | Optimizing sequence alignment in cloud using hadoop and mpp database | |
Guha Neogi et al. | NGS data analysis with apache spark | |
Singh et al. | RUBICON: a framework for designing efficient deep learning-based genomic basecallers | |
Baßler et al. | A Bioinformatic Toolkit for Single-Cell mRNA Analysis | |
Fu et al. | Biological computing |
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 |