本项目研究主要应用各种理论物理和数理方法,总结蛋白质各个不同层次的结构规律。重点集中蛋白质结构类、结构子类、超二级结构MOTIF等结构层次的分类模式与结构预测。由于分层次研究,将复杂的结构问题转化为比较简单的问题。研究结果表明,运用多种物理方法是研究蛋白质折叠规律的一个好方法。例如用向量投影方法和人工神经网络方法预测蛋白质超二级结构准确率达到80%以上。另外分层次结构进行研究也是一个成功的方法。将复杂的蛋白质结构转化为较简单的问题进行研究。本项研究结果有较重要的理论意义,和潜在的应用价值。
{{i.achievement_title}}
数据更新时间:2023-05-31
Ordinal space projection learning via neighbor classes representation
基于纳米铝颗粒改性合成稳定的JP-10基纳米流体燃料
Image super-resolution based on sparse coding with multi-class dictionaries
Phosphorus-Induced Lipid Class Alteration Revealed by Lipidomic and Transcriptomic Profiling in Oleaginous Microalga Nannochloropsis sp. PJ12
Numerical investigation on aerodynamic performance of a bionics flapping wing
超大孔沸石分子筛的晶化机理研究
骨架结构稳定的杂原子磷酸锌基类沸石分子筛的合成
层状硅酸盐magadiite转晶制备沸石分子筛的研究
骨架含沸石二次结构单元的三维介孔分子筛的合成与性能