- 综合排序
- 最热优先
- 最新优先
- 来自专栏DrugOne
Science | SARS-CoV-2和SARS-CoV受体结合域中高度神秘保守的抗原表位
77%，如此高的序列相似性增加了SARS-CoV-2和SARS-CoV之间的引起交叉反应（两种来源不同的抗原，彼此之间可以有相同的抗原决定簇，由此决定簇产生的抗体不仅可分别与其自身表明的相应抗原表位结合 ，而且还能与另一种抗原的相同表位结合发生反应）的抗原表位存在的可能性。 2和SARS-CoV中都保留了，表位位点的高保守性解释了CR3022的交叉反应，尽管如此，CR3022结合SARS-CoV RBD的能力高于其结合SARS-CoV-2的RBD，这种差异可能是由于两者抗原表位上的非保守的氨基酸位点 SARS-CoV-2与SARS-CoV具有相同的宿主受体ACE2，CR3022的抗原表位与ACE2结合位点不重叠（图3），这意味着CR3022中和SARS-CoV的机制不依赖于直接阻断受体结合；事实上， ，已经报道的就有流感病毒、疱疹病毒、登革热病毒等，故CR3022抗原表位有可能在生物体内具有辅助效果；抗原表位的可用性不仅可以用于SARS-CoV-2的疫苗设计，还可以用于应对未来冠状病毒流行病和传染病对应的交叉保护抗体的设计
79870发布于 2021-02-01 - 来自专栏DrugOne
arXiv | 预测抗体抗原结合位点的神经消息传递模型
抗体-抗原相互作用中的结合位点分别称为互补位和表位，本文认为互补位和表位的预测器需要不对称处理，因为互补位是高度连续的，可以很好地单独预测，而表位本质上是结构性的，并且固有地受互补位的制约。 由此提出了不同的神经信息传递架构Para-EPMP和Epi-EPMP，分别针对互补位和表位特定方面的预测。本文在这两个任务上的都得到了显著的提升效果，并进行了covid-19相关的抗原的定性预测。 本文将抗体的互补位和相应抗原的表位预测转化为一个二元分类问题：对于抗体和抗原中的每个氨基酸残基，它们分别参与了结合吗？ 图2 Epi-EPMP多任务体系结构 表位模型 表位模型结构图如图2所示，是一个只利用结构信息的模型。 这个表位模型可以同时预测抗原和抗体的结合氨基酸。 ? 表1表位预测为基准的模型 结果 多任务不对称预测器的结果如表1所示，明显优于目前其他的先进技术。
1.6K60发布于 2021-07-05 - 来自专栏生信修炼手册
HLA Epitope Registry-HLA抗原表位数据库
抗原表位指的是抗原分子中决定抗原特异性的特殊化学基因，抗原通过抗原表位与对应的抗原受体想结合，从而引起免疫应答反应。 一个抗原分子可以含有多个抗原表位，抗原表位的性质，数目和空间结构决定了抗原的特异性。 多种抗原分子之间会存在共有的抗原表位，由这些共同的抗原表位刺激机体而产生的抗体可以与多种抗原分子相结合，这种想象叫做交叉反应。 基因座，采用了不同的子数据库进行存储，共有以下几个子数据库 ABC DRB DQB+DQA DPB + DPA MICA 以ABC为例，该数据库存储的是HLA-A , HLA-B, HLA-C 这3个经典的 ,其他则为provisional; 第六列表示抗原表位的结构，第七列表示Luminex 芯片中对应的HLA Allel; 第八列表示抗原表位对应的所有的Allel。
1.3K50发布于 2020-05-11 位逻辑计算真值表
1变成0，0变成1 ---- 异或：^ : (相同的就为0，不同的为1) 真值表; 1 ^ 0 1 1 ^ 1 0 0 ^ 0 0 0 ^ 1 1 ---- 很久之前的知识，最近使用居然忘了
94720发布于 2020-12-30- 来自专栏DrugOne
. | 宋江宁团队合作开发CD8+ T细胞受体识别抗原表位的预测新方法
然而，现有方法大多仅关注TCRβ链上的互补决定区3（CDR3），并且在预测新生抗原（neoantigen）或不常见的抗原表位时效果并不理想。 EPACT模型整合了成对的αβ T细胞受体、抗原表位和人类白细胞抗原（HLA）的输入，输出TCR和抗原表位-MHC的结合特异性以及CDR区域和表位间氨基酸残基水平的相互作用。 在TCR-pMHC复合物的三维结构数据上进行微调后，EPACT通过CDR和抗原表位氨基酸水平特征的外积和二维卷积层预测了两者间的距离矩阵和接触位点，不仅更准确地识别了TCRβ链上CDR3区域和抗原表位的结合热点 图 1 CD8+ T细胞受体识别抗原表位预测方法EPACT的模型框架和应用场景。 EPACT预测的接触分值还能指示强直性脊柱炎（一种自身免疫疾病）病人的T细胞交叉反应现象中保守的TCR识别模式和对应多种不同来源的抗原表位共享的结构motif（P4位置与CDR1α和P6, P8位置与CDR3β
58510编辑于 2024-11-23 - 来自专栏python3
3位反序数
一个3位数各位上的数字都不相同，它和它的反序数的乘积是280021，这个3位数应是多少？ +y,b) if s1*s2==280021 and s1<s2 : print s1,s2 结果： 367 763 我的思路： 因为有三位数的第一位和第三位数不能是 然后将原数和反序后的数分别存到列表中，通过reduce函数(基于lambda实现)获得两个数的整型值，最后判断两值之积是否等于280021即可； 另外，我没有判断三位数的各数是否相等，我觉得虽然如121 if t1 * t2 == 280021: print t1, t2 代码分析： 示例代码是直接算的没有保存到列表再转换(练习一下reduce的用法)，这节省了时间,而且，保证了三位数各数不相等
67310发布于 2020-01-14 - 来自专栏从零开始的Code生活
LeetCode 找不同(位运算)(哈希表)
示例 2： 输入：s = "", t = "y" 输出："y" 示例 3： 输入：s = "a", t = "aa" 输出："a" 示例 4： 输入：s = "ae", t = "aea" 输出："a" 思路 方法1：位运算 ^运算符：0与任何数ch做^运算都是ch 相同字符异或为0 因为t中的字符是s + ch，所以s与t做异或剩下的就是ch class Solution { public: 0; for(char c : s + t) { res ^= c; } return res; } }; 方法2：哈希表 把s中所有元素存到一个哈希表mpS里，t中所有元素存到一个哈希表mpT里 然后比较两个哈希表每个元素个数，不一样的就是题目所求 char findTheDifference(string s, string
40410编辑于 2022-01-13 - 来自专栏Linux驱动
汇编指令-bic(位清除)、orr(位或)(3)
1. bic (Bit Clear)位清除指令 bic指令的格式为： bic{条件}{S} Rd，Rn，operand bic指令将Rn 的值与操作数operand2 的反码按位逻辑”与”，结果存放到目的寄存器 指令示例： bic R0,R0,#0x1F ； //将R0最低5位清零，其余位不变。 2.orr 位或指令 orr指令的格式为： orr{条件}{S} Rd，Rn，operand orr指令将Rn 的值与操作数operand2按位逻辑”或”，结果存放到目的寄存器Rd 中。 指令示例： orr R0,R0,#0xd3 ；将R0的第[7:0]位与b'1101 0011按位或，并保存在R0中 3.eor异或指令(exclusive or) eor指令的格式为： eor{条件}{ // 对r0低5位进行清0，清除模式位 orr r0,r0,#0xd3 // 低8位或(110 10011), 设为管理(svc32)模式,禁止IRQ和FIQ中断
6.1K60发布于 2018-01-03 - 来自专栏Initial programming
初识算法 · 位运算(3)
前言： 本文的主题是位运算，通过两道题目讲解，一道是只出现一次的数字II，一道是两整数之和。 链接分别为： 137. 只出现一次的数字 II - 力扣（LeetCode） 371. 对于这道题目，要求是让我们找到一大堆数字中只出现过一次的数字，对于只出现一次的数字I和只出现一次的数字III，重复的数字都是重复出现了2次，或者是说找两个重复的数字，但是对于这道题目，它重复出现的数字是重复了3次 算法原理 虽然说是使用的异或运算，但是这里我们不妨列出一个规律： 由于整个数组中，需要找的元素只出现了「⼀次」，其余的数都出现的「三次」，因此我们可以根 据所有数的「某⼀个⽐特位」的总和 %3 的结果， 快速定位到 0 还是 1，所以我们可以通过修改每个bit位上的值，将原来的数字还原出来。 int x : nums) if (((x >> i) & 1) == 1) sum++; sum %= 3;
22110编辑于 2024-11-19 - 来自专栏机器之心
能不受约束地生成抗体-抗原结构，指导用于抗体特异性预测的机器学习方法
抗体通过三维 (3D) 结合界面以高特异性结合外来分子（抗原），该界面由抗体侧的互补位和抗原侧的表位决定。抗体 CDRH3（重链的互补决定区三）区域主要对互补位有贡献。 特别是，预测抗体-抗原对的 3D（构象）互补位或表位对于解决计算抗体和疫苗设计中长期存在的问题至关重要。 由于 ML 编码跨越序列到结构再到混合形式化，模拟的抗体-抗原数据集需要：(1) 概括实验性抗体-抗原结合的复杂结构水平（尤其是定义互补位和表位）；(2) 能够生成大规模数据集；(3) 允许将序列和结构信息整合到混合编码中 -抗原结合的高预测准确性：结合的二元和多类分类，以及互补位-表位预测。 图：参与抗体-抗原结合的互补位-表位对的 ML 预测。
73321编辑于 2023-03-29 - 来自专栏DrugOne
. | 腾讯 AI Lab 推出结构驱动计算流程，实现表位特异性抗体的全新设计
DRUGONE 精准预测抗体–抗原复合物结构对于抗体治疗开发至关重要，但传统抗体发现仍依赖动物免疫或库筛选，效率低且难以针对特定表位。 图2：tFold System 展示了按预期靶向抗原表位的多样化抗体设计能力。 Flu A：设计抗体与已知广谱抗体 FluA-20 在表位上呈竞争关系，说明成功捕获其关键抗原决定簇。 结构叠合进一步显示设计抗体的结合面位置与靶向表位高度一致。 图3：tFold-Ab 的整体框架与性能评估 tFold-Ag：快速预测抗体–抗原复合物 tFold-Ag 由抗体特征单元、抗原特征单元和柔性对接单元组成，可预测复合物结构并提供可用于筛选的置信度分数。 在多个测试集上，tFold-Ag 在 CDR-H3 恢复 上达到与需要先验表位信息的方法相当或更高的水平； 逐位生成策略可避免“YYY” 过度频繁 motif 造成的设计多样性损失； 输出的抗体序列结构保持合理构象
34210编辑于 2025-12-17 - 来自专栏python3
AS3中的位操作
介绍AS3中常见的位运算技巧。 在AS3中位操作是非常快的，这里列出一些可以加快某些计算速度的代码片段集合。 我不会解释什么是位运算符，也不会解释怎么使用他们，只能告诉大家如果想清楚其中的原理先认真学一下2进制. of two） 大约快了350% x = x / 2; x = x / 64; //相当于： x = x >> 1; x = x >> 6; Number 到 integer(整数)转换 在AS3中使用 尽管如此位操作版本在AS2中工作的更好 x = int(1.232) //相当于： x = 1.232 >> 0; 提取颜色组成成分 不完全是个技巧，是正常的方法 (Not really a trick | (R5 >> 2) G8 = (R5 << 3) | (R5 >> 2) B8 = (R5 << 3) | (R5 >> 2)
60910发布于 2020-01-06 - 来自专栏逆向技术
64位内核开发第四讲,查看SSDT表与showSSDT表
SSDt表与ShadowSSDT表的查看. 一丶SSDT表 1.什么是SSDT表 SSDT表示系统服务表,我们ring3调用的很多函数都会调用这个SSDT表 2.查看步骤 1.使用 x命令 前提需要加载好符号. x nt! 二丶ShadowSSDT表 1.什么是ShadowSSDT表 ring3的所有GUI会调用的到这个表格中. 2.如何查看. System系统进程是没有加载ShadowSSDT表的.所以我们必须切换到调用GUI的进程空间中查看. 1.在系统中运行 mspaint 画图工具 2.在windbg中中断. 3.输入命令.查看系统所有简要信息 不管是SSDT还是shodowSSDT表.都是有这个表的大小. 在32位下.函数地址是4个字节. 所以用表的大小 / 4 = 函数个数. ? 这个表中的函数都是做绘图用的.
2.5K30发布于 2019-06-14 - 来自专栏HyperAI超神经
疫苗研发新突破：北航团队提出病毒抗原免疫原性预测新方法 VirusImmu
结果显示，4 篇文献涉及的共 15 个表位中，有 14 个被 VirusImmu 预测为抗原，验证了 VirusImmu 对于病毒蛋白免疫原性预测的良好性能。 为了鉴定抗原表位，科研人员使用 17 种最流行的方法，包括 BCPred、免疫表位数据库 (IEDB) 服务器，从 pp220 蛋白中预测了 1,376 个 B 细胞线性表位候选。 科研人员采用严格的标准过滤出具有抗原性的表位，根据 VaxiJen≤1.3 的预测结果，剩下 29 个表位，其中 12 个表位被归类为非过敏原和非毒素。 VirusImmu 预测 12 个表位中的 8 个具有抗原性。 抗原 B 细胞表位与抗体结合的测量 为了确认 8 个表位与 ASFV 血清 IgG 抗体的结合，科研人员分别收集了 5 头 ASFV 感染猪和 5 头健康猪的混合血清。
1K10编辑于 2024-02-26 - 来自专栏DrugOne
Sci. Adv. | AbEpiTope-1.0：结合AlphaFold与反向折叠提升抗体靶点预测精度
抗体药物的功能依赖于其识别抗原表位的能力。传统表位预测软件在面对天然结构未知或无抗体共晶结构的新抗原时，表现仍不理想。 抗体作为治疗性药物的核心工具，其特异性和亲和力主要由其结合抗原的“表位”所决定。因此，准确预测抗体识别的抗原表位，是疫苗设计、抗体药物开发与免疫应答机制研究中的关键任务。 预测抗体特异性需求：许多工具侧重于泛化表位预测，而非具体抗体–抗原对之间的个性化识别。 输出每个抗原残基作为表位的概率。 这一部分结果证明：AbEpiTope-1.0 具有良好的泛化能力，可拓展至尚无实验结构的新型抗原上进行表位预测与抗体筛选。
26721编辑于 2025-07-16 - 来自专栏智药邦
Nature npj｜机器学习在疫苗靶标选择中的开发和应用
图1 合理设计疫苗流程示意图(a)； 机器学习在疫苗靶标选择的任务中的应用：B和T细胞表位的发现[B细胞表位发现，抗原呈递的预测]和免疫原设计[抗原免疫原预测](b、d)；通过epitope-paratope B细胞表位识别 基于只有少数序列和结构属性可以确定某个残基是否可以为抗体结合位点的假设，很多B细胞表位发现的方法，主要应用基于特征的机器学习方法。 抗原免疫原性预测 免疫原性预测方法的最大AUROC为0.7，低于B细胞表位预测。主要缺点对机器学习模型中的特征的科学共识不清楚，比如与HLA的高亲和力和稳定性是否与高免疫相关，不太清楚。 图2 用于预测B细胞和T细胞表位-抗体相互作用的ML方法方案，仅使用TCR/抗体信息(a、b) vs TCR/抗体-抗原对；序列(a,c) vs 基于结构(b、d)。 基于序列的TCR表位特异性预测方法揭示了一些趋势： 数据集比特定的模型架构更能决定性能，不同方法的泛化能力在各种抗原之间是一致的。 基于TCR序列相似性预测抗原特异性提供了良好的基线。
54711编辑于 2024-06-12 - 来自专栏大数据杂货铺
Hive 3的ACID表
Hive 3中的事务表与非ACID表相当。Hive 3事务表中不需要桶或排序。桶化不会影响性能。这些表与原生云存储兼容。 Hive支持一个事务一个语句，该语句可以包含任意数量的行、分区或表。 Hive 3 ACID事务 Hive 3实现对事务表的原子性和隔离性操作是通过使用涉及增量文件的写入、读取、插入、创建、删除和更新操作的技术来实现，这些技术可以提供查询状态信息并帮助您解决查询问题。 读写操作 Hive 3的读写操作提高了事务表的ACID的质量和性能。事务表的性能与其他表一样。Hive支持所有TPC Benchmark DS（TPC-DS）查询。 假设发生了三个插入操作，而第二个失败： INSERT INTO tm VALUES(1,1);INSERT INTO tm VALUES(2,2); // FailsINSERT INTO tm VALUES(3,3 行ID是一个 struct，由以下信息组成： • 映射到创建行的事务的写ID • 创建行的物理写入器的存储区ID（具有若干位信息的位支持整数） • 行ID，在将行写入数据文件时对行进行编号 ?
4.4K10发布于 2020-03-10 抗原设计与合成服务｜定制抗原技术｜高效多肽合成
利用生物信息学工具，结合分子生物学数据，对目标蛋白进行线性和构象表位预测。 常用的抗原设计标准包括以下几个方面：免疫原性预测通过算法评估氨基酸序列中可能引发免疫应答的表位，重点考虑抗原决定簇的暴露性和疏水性，以确保其能被免疫系统有效识别。 结构信息结合结合蛋白的三维结构数据，识别表面暴露且稳定的表位，提高抗原在免疫系统中的可识别性。完成预测后，结合实验需求确定抗原的长度和修饰形式，如是否需要偶联载体或标签等。 服务支持抗原长度调整、化学修饰及载体偶联，确保满足免疫学研究及抗体筛选的多样化需求。Q3: 多肽抗原合成与重组抗原表达有何区别？如何选择？ A: 多肽抗原合成基于固相肽合成技术，适合短肽和表位设计，合成周期短，纯度高；重组抗原表达通过哺乳动物细胞或大肠杆菌表达系统，适合结构复杂、需正确折叠和修饰的蛋白。
18100编辑于 2025-07-29呼吸道合胞病毒（HRSVBRSV）核心抗原深度解析：Fusion蛋白、G蛋白及PreF3蛋白的科研试剂应用
F蛋白表面存在多个重要的中和性抗原表位，特别是Ø位点（Site Ø，又称抗原位点II）和V位点（Site V），是绝大多数高效中和抗体（如帕利珠单抗）靶向的区域。 这些表位在不同毒株间相对保守，使得F蛋白成为疫苗研发和抗体药物筛选的黄金靶点。3.作为科研试剂的应用：在科研中，高纯度、正确构象的F蛋白重组抗原是不可或缺的工具。 技术特点与优势：PreF3蛋白作为科研试剂，其最大优势在于保持了天然PreF构象的抗原表位完整性。 与自发转变为PostF的野生型F蛋白或早期PreF设计相比，PreF3蛋白具有更高的蛋白稳定性和均一性，能更有效地诱导产生针对关键中和表位的高效抗体。 疫苗免疫原性评估基准：作为阳性对照抗原，用于准确评估各种候选疫苗（如mRNA疫苗、病毒载体疫苗）所引发抗体对PreF表位的识别能力。
23110编辑于 2025-12-15单细胞空间--抗原呈递癌症相关成纤维细胞生态位的单细胞分辨率空间分析
结果4、F-抗原呈递癌症相关成纤维细胞生态位的空间分析为在单细胞分辨率下解析apCAFs的空间分布及相关生态位，采用Xenium原位高通量空间成像平台，基于已构建的单细胞RNA测序图谱定制了包含480个基因的探针 在淋巴细胞浸润显著的iCMS3样本中，鉴定出四种特征性空间生态位：血管富集区、淋巴细胞富集区、基质富集区与肿瘤富集区。 结果5、M-抗原呈递癌症相关成纤维细胞生态位的空间分析与F-apCAFs相比，M-apCAFs呈现更强的环境依赖性空间分布特征。 部分间皮富集生态位与正常间皮层（以MSLN、UPK3B为标记）保持连续，提示间皮向M-apCAF分化过程。大多数间皮富集生态位与肿瘤上皮相邻，表明M-apCAFs可能与免疫细胞及癌细胞密切相互作用。 研究发现间皮富集生态位内的T细胞高表达抑制性标记（TIGIT、CTLA4、LAG3、PDCD1、ICOS、FOXP3）。
38821编辑于 2025-10-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号