-
题名生物信息学及数字技术在化妆品领域的应用概况
被引量：5
- 1
-
-
作者
于笑乾
贾焱
李钧翔
何聪芬
-
机构
北京工商大学化学与材料工程学院植物资源研究开发北京市重点实验室
浙江清华长三角研究院衰老科学创新研发中心
禾美生物科技(浙江)有限公司
-
出处
《日用化学工业（中英文）》
CAS
北大核心
2022年第12期1359-1365,共7页
-
文摘
随着信息技术和数字化技术的发展,各行各业在研发、生产、管理、销售等诸多环节使用了相关技术。本文从组学、网络药理学等生物信息技术和数字化管理、AI与机器学习、大数据等数字化技术出发,介绍了各个技术的概念,综述了各项技术在化妆品或其他相关领域的相应环节中的应用。这些信息将有助于了解化妆品领域的数字化进展,为信息技术和数字化技术在化妆品领域的使用提供新的见解。
-
关键词
生物信息学
数字化
化妆品
-
Keywords
bioinformatics
digitalization
cosmetics
-
分类号
TQ658
[化学工程—精细化工]
-
-
题名深度学习在基于序列的蛋白质互作预测中的应用进展
被引量：1
- 2
-
-
作者
朱景勇
李钧翔
李旭辉
张瑾
毋文静
-
机构
浙江理工大学生命科学与医药学院
嘉兴学院生物与化学工程学院
浙江清华长三角研究院
禾美生物科技(浙江)有限公司
浙江清华长三角研究院
-
出处
《合成生物学》
CSCD
北大核心
2024年第1期88-106,共19页
-
基金
国家自然科学基金(32172708,32102506)
浙江省自然科学基金重点项目(LZ23C170002)。
-
文摘
蛋白质-蛋白质相互作用在细胞信号转导、基因表达和代谢调控等生物过程中发挥重要作用,鉴定蛋白质间的相互作用对于理解复杂生物过程至关重要。预测蛋白质间的相互作用可以为药物发现、蛋白质功能研究和设计等领域提供帮助。近年来,随着人工智能技术的蓬勃发展,深度学习技术在预测蛋白质互作领域做出巨大贡献,其中基于序列的深度学习模型通过学习蛋白质序列信息的深层特征进行互作预测。本文综述了深度学习在基于序列的蛋白质互作预测中的应用,按照算法框架和时间线对该领域进展进行分类归纳,介绍了数据处理、序列编码方法、算法架构以及模型的评估指标等内容,并分析了当前面临的问题以及未来的发展方向。随着深度学习技术的发展,预测蛋白质互作的效率大幅提高,未来需要发展泛化能力更强的预测模型,助力蛋白质互作的预测。
-
关键词
蛋白质互作
深度学习
人工智能
序列编码
神经网络
-
Keywords
protein interactions
deep learning
artificial intelligence
sequence encoding
neural network
-
分类号
Q816
[生物学—生物工程]
-
