CN112102886A - 一种化合物呈味判别方法 - Google Patents
一种化合物呈味判别方法 Download PDFInfo
- Publication number
- CN112102886A CN112102886A CN202010821203.2A CN202010821203A CN112102886A CN 112102886 A CN112102886 A CN 112102886A CN 202010821203 A CN202010821203 A CN 202010821203A CN 112102886 A CN112102886 A CN 112102886A
- Authority
- CN
- China
- Prior art keywords
- flavor
- taste
- ime
- result
- energy
- 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
- 150000001875 compounds Chemical class 0.000 title claims abstract description 17
- 235000019640 taste Nutrition 0.000 title claims description 24
- 238000012850 discrimination method Methods 0.000 title description 4
- 239000000796 flavoring agent Substances 0.000 claims abstract description 35
- 235000019634 flavors Nutrition 0.000 claims abstract description 33
- 238000003032 molecular docking Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000011161 development Methods 0.000 claims abstract description 20
- 102000005962 receptors Human genes 0.000 claims abstract description 16
- 108020003175 receptors Proteins 0.000 claims abstract description 16
- 150000003384 small molecules Chemical class 0.000 claims description 19
- 235000009508 confectionery Nutrition 0.000 claims description 12
- 235000019614 sour taste Nutrition 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 230000018044 dehydration Effects 0.000 claims description 3
- 238000006297 dehydration reaction Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 238000005984 hydrogenation reaction Methods 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract description 2
- 239000003446 ligand Substances 0.000 description 8
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 5
- 239000008103 glucose Substances 0.000 description 5
- 102000004169 proteins and genes Human genes 0.000 description 5
- 108090000623 proteins and genes Proteins 0.000 description 5
- 239000000126 substance Substances 0.000 description 3
- 235000019605 sweet taste sensations Nutrition 0.000 description 3
- 239000003764 sweet protein Substances 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 235000019658 bitter taste Nutrition 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 150000002605 large molecules Chemical class 0.000 description 1
- 229920002521 macromolecule Polymers 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012900 molecular simulation Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- 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
- G16B15/30—Drug targeting using structural data; Docking or binding prediction
-
- 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
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Biophysics (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种化合物呈味判别方法,将结果参数值分别带入判别函数中,结果最大的值对应的即是呈味小分子的呈味判别结果。本发明从呈味原理出发,根据呈味小分子和受体蛋白T1R2‑T1R3的对接结果进行分析,结合建立的呈味判别模型,判断呈味小分子可能的味道,具有判别准确度高、结果直观立体、结合程序可批量化处理,应用方便。
Description
技术领域
本发明属于分子模拟领域,具体是涉及一种化合物呈味判别方法。
背景技术
呈味化合物是具有一定味感的化合物,如甜味、酸味、苦味化合物,目前尚无对于小分子呈味属性的判断方法。
人类之所以能感受到酸甜苦等味觉物质,从生理上来讲是因为呈味小分子与人体内相应的味觉蛋白活性区域发生了特异性结合,从而诱导下游信号,产生相应味觉感受。分子对接指的是已知两个分子三维结构(一般是小分子配体与大分子蛋白受体),研究二者之间是否可以结合,预测分子结合的模式,搜索配体和受体活性区域稳定结合的自由能最低构象。
如何利用不同呈味分子在T1R2-T1R3蛋白的对接模式不同,采用分子对接方法,构建酸、甜、苦标准呈味小分子与T1R2-T1R3蛋白的对子对接模型,并提取分子对接结果关键参数,依据分子对接结果关键参数,建立酸、甜、苦呈味分子的呈味判别模型,实现对小分子呈味的定性判别,是值得研究的。
发明内容
本发明的目的在于针对现有呈味化合物判别方法的不足,利用不同呈味分子在T1R2-T1R3蛋白上的结合方式不同,导致其对接结果关键参数的不同,从而建立一种简单有效的呈味化合物判别方法。
本发明的目的通过下述技术方案予以实现。
除非另有说明,本发明所采用的百分数均为重量百分数。
一种化合物呈味判别方法,按以下进行:将结果参数值分别带入到下面三个判别函数中,结果最大的值对应的即是呈味小分子的呈味判别结果:
酸味成分= 1.451*BE – 1.590*ImE + 3.807*IE + 0.379*RR – 20.504;
甜味成分= -1.732*BE - 0.088*ImE – 2.271*IE + 0.195*RR – 15.776;
苦味成分= -4.417*BE + 0.208*ImE - 0.791*IE + 0.223*RR - 25.212;
其中:
BE 为结合能量,等于分子间能量和扭转自由能之和;
ImE为分子间能量;
IE为分子内能量;
RR为当前结构相对于参比构象的均方差值。
本发明涉及的一种化合物呈味判别方法,包括如下步骤:
步骤(1)、将呈味小分子和受体蛋白T1R2-T1R3进行预处理后,导入分子对接软件中,完成对接盒子和对接参数设置,进行分子对接,导出分子对接结果;
步骤(2)、呈味判别
将对接结果参数值分别带入到下面三个贝叶斯判别函数中:
酸味成分= 1.451*BE – 1.590*ImE + 3.807*IE + 0.379*RR – 20.504;
甜味成分= -1.732*BE - 0.088*ImE – 2.271*IE + 0.195*RR – 15.776;
苦味成分= -4.417*BE + 0.208*ImE - 0.791*IE + 0.223*RR - 25.212;
结果最大的值对应的即是呈味小分子的呈味判别结果;
BE 为结合能量,等于分子间能量和扭转自由能之和;
ImE为分子间能量;
IE为分子内能量;
RR为当前结构相对于参比构象的均方差值。
进一步地,步骤(1)中,呈味小分子预处理过程包括能量最小优化、可旋转键确定、导出为PDBQT文件;受体蛋白T1R2-T1R3预处理过程包括去水、加氢、计算电荷、导出为刚性PDBQT文件。
进一步地,步骤(1)中,对接盒子设置如下:
格子在三个水平轴上所含点数设置为X,Y,Z:82,78,80,格点间隔为默认值0.417 Å,格子中心设为42.013,22.151,-83.565(x,y,z)。
进一步地,步骤(1)中,最小可旋转键设置为6个。
与现有技术相比,本发明具有以下明显优点:
(1)本发明的方法无需获取呈味小分子物质,无需通过感官评价,判别结果相对容易获得,判别结果准确;
(2)本发明无需进行周期性较长的实验过程,采用计算机进行运算,计算速度快;
(3)通过循环程序,可以批量化计算化合物呈味特性;
(4)借助外部工具,如Pymol,可直接观察呈味小分子与甜味蛋白T1R2-T1R3对接情况,挖掘呈味机理。
综上所述,本发明从呈味原理出发,根据呈味小分子和受体蛋白T1R2-T1R3的对接结果进行分析,结合建立的呈味判别模型,判断呈味小分子可能的味道,具有判别准确度高、结果直观立体、结合程序可批量化处理,应用方便。
附图说明
图1为实施例的配体小分子(以葡萄糖为例)与甜味蛋白T1R2-T1R3对接情况。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。实施例中未注明具体技术或条件者,按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用试剂或仪器未注明生产厂商者,均为可以通过购买获得的常规产品。
实施例1
本实施例的化合物呈味判别方法,包括以下步骤:
(1)配体、受体分子设置。
先对所要对接的每个配体分子分别进行MM2能量优化,在Chem 3D软件有相应模块可完成计算,然后保存成pdb格式。分别用AutoDock中的Ligand读取每一个小分子文件,对其进行能量、电荷、活性旋转点等处理,能量优化采用Chem3D进行,可旋转键的确定采用AutoDocK软件,上述均是常规手段,可旋转键数目最大设定为6。配体无需进行电荷处理,然后保存为pdbqt文件。
受体蛋白T1R2-T1R3用AutoDock读取后,对其进行去水、加氢、计算点电荷后,保存为刚性pdbqt文件;去水、加氢、计算点电荷均为常规操作,在AutoDock软件上进行操作即可。依次完成所有小分子的格点盒子参数设置,并以小分子名字保存为相应的gpf文件;依次完成所有小分子的对接参数设置,并以小分子名字保存为相应的dpf文件;
(2)对接盒子设置。
首先构建可尽可能将受体VFD和CRD区域覆盖的盒子,在此计算基础上,确定受体VFD区域中较为精确的活性中心,再构建可将活性中心覆盖的盒子,以提升计算精度。
对接空间设置:将格子在三个水平轴上所含点数设置为X,Y,Z:82,78,80格点间隔为默认值0.417 Å,这样格子中共包含531117个格点。然后将格子中心设为42.013,22.151,-83.565(x,y,z)。
(3)对接结果导出
将分子对接结果中的关键对接结果参数值导出,导出结果参数见下表:
(4)呈味判别
将对接结果参数值分别带入到下面三个贝叶斯判别函数中,结果最大的值对应的即是呈味小分子的呈味判别结果。
酸味成分 = 1.451*BE – 1.590*ImE + 3.807*IE + 0.379*RR – 20.504;
甜味成分 = -1.732*BE - 0.088*ImE – 2.271*IE + 0.195*RR – 15.776;
苦味成分 = -4.417*BE + 0.208*ImE - 0.791*IE + 0.223*RR - 25.212;
使用Pymol直接观察呈味小分子与甜味蛋白T1R2-T1R3对接情况,如图1所示。
本实施例将葡萄糖和受体蛋白T1R2-T1R3进行预处理后,导入分子对接软件中,进行分子对接。导出分子对接结果,见下表:
葡萄糖分子对接结果表
将分子对接结果,分别带入到呈味判别模型公式中,如下:
酸味成分= 1.451*BE – 1.590*ImE + 3.807*IE + 0.379*RR – 20.504= -19.56;
甜味成分= -1.732*BE - 0.088*ImE – 2.271*IE + 0.195*RR – 15.776= -0.35;
苦味成分= -4.417*BE + 0.208*ImE - 0.791*IE + 0.223*RR - 25.212= -9.76。
从判别结果来看,葡萄糖在甜味判别模型中的值最大,因此可以判定葡萄糖的呈味判别结果为甜。
基于上述模型,我们还对100个新的化合物对其酸、甜、苦的程度进行常规判别和交互验证判别,整体达到91.5 %正确率,判别校验结果见表1。
表1 苦甜酸化合物预测结果
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种化合物呈味判别方法,其特征在于:按以下进行:将结果参数值分别带入到下面三个判别函数中,结果最大的值对应的即是呈味小分子的呈味判别结果:
酸味成分= 1.451*BE – 1.590*ImE + 3.807*IE + 0.379*RR – 20.504;
甜味成分= -1.732*BE - 0.088*ImE – 2.271*IE + 0.195*RR – 15.776;
苦味成分= -4.417*BE + 0.208*ImE - 0.791*IE + 0.223*RR - 25.212;
其中:
BE 为结合能量,等于分子间能量和扭转自由能之和;
ImE为分子间能量;
IE为分子内能量;
RR为当前结构相对于参比构象的均方差值。
2.一种化合物呈味判别方法,其特征在于:包括如下步骤:
步骤(1)、将呈味小分子和受体蛋白T1R2-T1R3进行预处理后,导入分子对接软件中,完成对接盒子和对接参数设置,进行分子对接,导出分子对接结果;
步骤(2)、呈味判别
将对接结果参数值分别带入到下面三个贝叶斯判别函数中:
酸味成分= 1.451*BE – 1.590*ImE + 3.807*IE + 0.379*RR – 20.504;
甜味成分= -1.732*BE - 0.088*ImE – 2.271*IE + 0.195*RR – 15.776;
苦味成分= -4.417*BE + 0.208*ImE - 0.791*IE + 0.223*RR - 25.212;
结果最大的值对应的即是呈味小分子的呈味判别结果;
BE 为结合能量,等于分子间能量和扭转自由能之和;
ImE为分子间能量;
IE为分子内能量;
RR为当前结构相对于参比构象的均方差值。
3.根据权利要求2所述的化合物呈味判别方法,其特征在于:步骤(1)中,呈味小分子预处理过程包括能量最小优化、可旋转键确定、导出为PDBQT文件;受体蛋白T1R2-T1R3预处理过程包括去水、加氢、计算电荷、导出为刚性PDBQT文件。
4.根据权利要求2所述的化合物呈味判别方法,其特征在于:步骤(1)中,对接盒子设置如下:
格子在三个水平轴上所含点数设置为X,Y,Z:82,78,80,格点间隔为默认值0.417 Å,格子中心设为42.013,22.151,-83.565(x,y,z)。
5.根据权利要求2所述的化合物呈味判别方法,其特征在于:步骤(1)中,最小可旋转键设置为6个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010821203.2A CN112102886B (zh) | 2020-08-14 | 2020-08-14 | 一种化合物呈味判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010821203.2A CN112102886B (zh) | 2020-08-14 | 2020-08-14 | 一种化合物呈味判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112102886A true CN112102886A (zh) | 2020-12-18 |
CN112102886B CN112102886B (zh) | 2024-04-26 |
Family
ID=73754392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010821203.2A Active CN112102886B (zh) | 2020-08-14 | 2020-08-14 | 一种化合物呈味判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112102886B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113380332A (zh) * | 2021-06-15 | 2021-09-10 | 云南中烟工业有限责任公司 | 一种混合成分的呈味特征的表征方法及用途 |
CN114894944A (zh) * | 2022-04-21 | 2022-08-12 | 中国中医科学院中药研究所 | 一种外来药药味的认定方法 |
EP4138084A4 (en) * | 2021-06-15 | 2023-07-05 | China Tobacco Yunnan Industrial Co., Ltd | CHARACTERIZATION METHODS AND APPLICATION OF FLAVOR PROPERTIES OF MIXED COMPONENTS |
CN117153242A (zh) * | 2023-07-18 | 2023-12-01 | 中山市人民医院 | 一种基于网络药理学与分子对接分析黄岑汤治疗肝癌的靶点和分子机制的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090176266A1 (en) * | 2006-04-20 | 2009-07-09 | Givaudan S.A. | Functional method to identify tastants |
CN103338783A (zh) * | 2011-01-25 | 2013-10-02 | 莫奈尔化学感官中心 | 提供或调节甜味的组合物和方法及其筛选方法 |
KR20170024586A (ko) * | 2017-01-20 | 2017-03-07 | 주식회사 바이오스위트 | 감미 단백질의 단맛 정도를 예측하는 방법 |
EP3270157A1 (en) * | 2016-07-11 | 2018-01-17 | FrieslandCampina Nederland B.V. | Screening assay for sweetness |
CN108329393A (zh) * | 2001-06-26 | 2018-07-27 | 塞诺米克斯公司 | T1r异源寡聚的味觉受体和表达所述受体的细胞系及其在鉴定味觉化合物中的用途 |
-
2020
- 2020-08-14 CN CN202010821203.2A patent/CN112102886B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108329393A (zh) * | 2001-06-26 | 2018-07-27 | 塞诺米克斯公司 | T1r异源寡聚的味觉受体和表达所述受体的细胞系及其在鉴定味觉化合物中的用途 |
US20090176266A1 (en) * | 2006-04-20 | 2009-07-09 | Givaudan S.A. | Functional method to identify tastants |
CN103338783A (zh) * | 2011-01-25 | 2013-10-02 | 莫奈尔化学感官中心 | 提供或调节甜味的组合物和方法及其筛选方法 |
EP3270157A1 (en) * | 2016-07-11 | 2018-01-17 | FrieslandCampina Nederland B.V. | Screening assay for sweetness |
KR20170024586A (ko) * | 2017-01-20 | 2017-03-07 | 주식회사 바이오스위트 | 감미 단백질의 단맛 정도를 예측하는 방법 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113380332A (zh) * | 2021-06-15 | 2021-09-10 | 云南中烟工业有限责任公司 | 一种混合成分的呈味特征的表征方法及用途 |
WO2022262168A1 (zh) | 2021-06-15 | 2022-12-22 | 云南中烟工业有限责任公司 | 一种混合成分的呈味特征的表征方法及用途 |
EP4138084A4 (en) * | 2021-06-15 | 2023-07-05 | China Tobacco Yunnan Industrial Co., Ltd | CHARACTERIZATION METHODS AND APPLICATION OF FLAVOR PROPERTIES OF MIXED COMPONENTS |
CN113380332B (zh) * | 2021-06-15 | 2024-04-26 | 云南中烟工业有限责任公司 | 一种混合成分的呈味特征的表征方法及用途 |
CN114894944A (zh) * | 2022-04-21 | 2022-08-12 | 中国中医科学院中药研究所 | 一种外来药药味的认定方法 |
CN114894944B (zh) * | 2022-04-21 | 2023-12-26 | 中国中医科学院中药研究所 | 一种外来药药味的认定方法 |
CN117153242A (zh) * | 2023-07-18 | 2023-12-01 | 中山市人民医院 | 一种基于网络药理学与分子对接分析黄岑汤治疗肝癌的靶点和分子机制的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112102886B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112102886A (zh) | 一种化合物呈味判别方法 | |
Fukushima et al. | Metabolomic correlation-network modules in Arabidopsis based on a graph-clustering approach | |
Zou et al. | Supersecondary structure prediction using Chou's pseudo amino acid composition | |
Cruz et al. | RNA-Puzzles: a CASP-like evaluation of RNA three-dimensional structure prediction | |
Breiman et al. | Cart | |
Xu et al. | GMDR: versatile software for detecting gene-gene and gene-environment interactions underlying complex traits | |
CN109061020B (zh) | 一种基于气相/液相色谱质谱平台的数据分析系统 | |
JPWO2020021860A1 (ja) | 細胞培養支援装置の作動プログラム、細胞培養支援装置、細胞培養支援装置の作動方法 | |
EP4035163A1 (en) | Single cell rna-seq data processing | |
Uszkoreit et al. | The bacterial proteogenomic pipeline | |
CN116343949A (zh) | 蛋白配体结合亲和力预测方法、装置、系统及存储介质 | |
CN110211632A (zh) | 一种基于神经网络的核苷酸单位点变异检测方法 | |
CN117423391A (zh) | 一种基因调控网络数据库的建立方法、系统及设备 | |
Rochira et al. | Iris: Interactive all‐in‐one graphical validation of 3D protein model iterations | |
Glick et al. | Panoramic: a package for constructing eukaryotic pan‐genomes | |
CN111933222A (zh) | 一种化合物凉味程度判别方法 | |
Logan | Interactive model building in neutron macromolecular crystallography | |
Li et al. | Multidimensional scaling method for prediction of lysine glycation sites | |
CN115066503A (zh) | 使用批量测序数据指导单细胞测序数据的分析 | |
CN111816250B (zh) | 将大分子复合物结构映射到基因组和突变数据库的方法 | |
Sharma et al. | A utility script for automating and integrating AutoDock and other associated programs for virtual screening. | |
Miller et al. | RLSuite: An integrative R-loop bioinformatics framework | |
Zhang et al. | A large-scale assessment of sequence database search tools for homology-based protein function prediction | |
CN108763861A (zh) | 蛋白质间相互作用的预测方法、装置、终端及介质 | |
Hong-Seok et al. | Resources for systems biology research |
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 |