- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器之心
蛋白质语言模型 ProGen：在实验室合成由 AI 预测的蛋白质
现在，来自 Salesforce Research、Tierra Biosciences 和加州大学的研究团队在实验室中合成了由 AI 模型预测的蛋白质，并发现它们与天然对应物一样有效。 他们开发出一种名为 ProGen 的蛋白质工程深度学习语言模型。ProGen 接受了来自公开的已测序天然蛋白质数据库中的 2.8 亿个原始蛋白质序列的训练，从头开始生成人工蛋白质序列。 训练后，ProGen 可以提示从头开始为任何蛋白质家族生成全长蛋白质序列，与天然蛋白质具有不同程度的相似性。 对于蛋白质，控制标签是蛋白质家族、生物过程和分子功能等属性，可用于公共蛋白质数据库中的大部分序列。 图 2：生成的人工抗菌蛋白多种多样，在该实验系统中表达良好。（来源：论文） 从头开始生成人工蛋白质序列 为了评估功能，通过无细胞蛋白合成和亲和层析来合成和纯化全长基因。
82930编辑于 2023-02-23 - 来自专栏生信宝典
Nature子刊：生物合成硝基化蛋白，助力解决药物免疫耐受！
研究人员还讲解了单一细菌菌株在目标蛋白质内的特定位置合成这种氨基酸。 这项研究将进一步优化他们的方法，合成更多的硝基蛋白质，并将这项工作扩展到其他微生物中。 将非标准氨基酸对硝基-L-苯丙氨酸（pN-Phe）加入蛋白质已被广泛应用，包括终止免疫耐受。然而，需要向细胞提供化学合成的pN-Phe，这就限制了硝基化蛋白的应用。 本文中，我们通过结合代谢工程和遗传密码扩展，构建了一种合成硝基化蛋白质的活细菌生产者。 我们鉴定了一个对pN-Phe而非前体代谢物具有选择性的正交翻译系统并构建了单菌株，可以将生物合成的pN-Phe掺入报告蛋白质的特定位点。
38840编辑于 2023-08-30 【辰辉创聚生物】无细胞蛋白表达｜线性DNA快速表达｜高效体外合成系统
无细胞表达（Cell-Free Expression, CFE）是一种在体外环境中合成蛋白质的生物技术。它通过将细胞内用于转录和翻译的分子组分提取出来，重构一个能够驱动蛋白质合成的反应体系。 蛋白质的合成分两个阶段进行：转录（Transcription）：DNA模板在RNA聚合酶作用下转录成mRNA。 无细胞蛋白合成技术已从早期的基础研究平台发展为具备可扩展性的合成平台。它被广泛用于研究转录翻译机制、蛋白质相互作用、蛋白折叠调控等问题。 近年来，随着系统合成优化和模块化设计的发展，无细胞表达逐渐成为蛋白工程、RNA合成和人工细胞构建等领域的重要基础技术。 质粒表达更稳定，适用于长期反应或大规模合成。Q3：无细胞体系可以表达真核蛋白吗？
56710编辑于 2025-07-16- 来自专栏DrugOne
FFPred-GAN：“以假乱真“—基于GAN创建合成特征样本改进蛋白质功能预测
FFPred-GAN能够准确学习蛋白质序列的生物物理特征的高维分布，并生成高质量的合成蛋白质特征样本。 实验结果表明，通过对原始训练蛋白质特征样本的扩充，合成蛋白质特征样本成功提高了基因本体论所有三个域的预测准确性。 FFPred-GAN成功生成高质量的合成蛋白生物物理特征样品：作者采用一近邻分类算法和留一法交叉验证（LOOCV）进行分类器两样本测试，用于评估合成蛋白质特征样本的质量。 在FFPred-GAN训练开始时，真实的阳性蛋白质特征样本（绿点）与合成样本（红点）的距离较远，因此LOOCV精度为1.000 ，这表明蛋白质特征样本的真实集与合成集之间存在明显差异。 合成蛋白特征样本提高了果蝇功能注释的预测准确性： 作者评估了使用合成蛋白质特征样本对果蝇蛋白质功能预测任务的预测能力。
1.4K50发布于 2021-02-02 - 来自专栏DrugOne
. | 借助机器学习设计和筛选合成细胞中新兴蛋白质功能
设计人造蛋白以执行特定的功能性任务是合成生物学的终极目标之一。在过去两年中，基于机器学习（ML）的生成模型在蛋白质设计和工程领域取得了重大突破。 对于细胞水平时空模式的实验筛选，作者使用了由自下而上的合成生物学使用的基于脂滴的合成细胞模型。 此外，作者展示了无细胞蛋白质表达系统，这已成为合成生物学中的一项关键技术，因为它们可以快速简便地提供各种肽/蛋白质库以用于原型制作，从而显著加快了实验筛选过程。 这显示了分而治之的计算模拟和基于合成细胞的实验室筛选在设计具有复杂新兴功能的蛋白质方面的巨大潜力。 作者针对在大肠杆菌中的体内功能设计了蛋白质，因此选择了基于大肠杆菌的无细胞合成平台，称为PURE系统。先前已经证明PURE系统能够有效地合成功能性Min蛋白。
38810编辑于 2024-04-12 - 来自专栏CreateAMind
合成动态视频效果及声音合成
Synthesizing Dynamic Textures and Sounds by Spatial-Temporal Generative ConvNet 左面是原始视频，右面是合成的效果。 ?
1.1K20发布于 2018-07-24 AbMole小课堂丨Emetine（吐根碱）：从蛋白合成“冻结”到抑制病毒、肿瘤的高效分子工具
长期以来，Emetine作为一种经典的蛋白合成抑制剂在生物学研究中占据重要地位。此外，Emetine还在抑制病毒复制等方面受到了广泛关注。 这种高效的抑制特性，使研究人员能够在特定时间点“冻结”细胞的蛋白合成状态，从而用于分析特定蛋白的半衰期、研究其对细胞的影响，或分析依赖于该蛋白的信号转导通路。 因为疟原虫在红内期快速增殖，需要大量合成核酸和膜结构。Emetine通过抑制蛋白合成，间接影响了负责嘌呤、嘧啶摄取与合成以及脂质代谢的关键酶的更新，从而导致寄生虫代谢网络崩溃[5]。 例如在SD大鼠的海马内注射Emetine可抑制局部场电位和多单位活动，支持蛋白合成依赖性记忆假说。 例如有文献评估了几种转录和翻译抑制剂对大鼠肝细胞线粒体RNA和蛋白质合成的影响，发现只有Emetine能直接作用于线粒体，实现线粒体蛋白质合成的抑制，为研究线粒体转录和翻译机制提供了工具[11]。
30110编辑于 2025-11-11- 来自专栏深度学习|机器学习|歌声合成|语音合成
语音合成demo 前端代码以及合成样本
文章目录 语音合成样本 语音合成demo 服务前端代码 语音合成样本 百度网盘 ：链接: https://pan.baidu.com/s/1Jx2OLHwfv0qgk1rfTXpDFQ 密码: hv82 网盘链接：链接: https://pan.baidu.com/s/1iDjyxETiimR_p25uUBXvLQ 密码: hfjf 语音合成demo 服务前端代码 # /usr/local/bin python
2.1K20发布于 2021-01-14 【辰辉创聚生物】重组蛋白表达纯化|蛋白表达定制|蛋白修饰|原核表达蛋白
原核蛋白表达是指利用原核生物（主要是大肠杆菌 （Escherichia coli），也包括枯草芽孢杆菌等）作为宿主，将外源目标基因导入并在其细胞内进行转录和翻译，从而合成重组蛋白的过程。 原核蛋白表达宿主菌株与表达载体的选择1. C41、C43 等突变株：对有毒或难表达蛋白更为耐受，常用于膜蛋白或代谢负担较大的蛋白。2. 例如使用携带冷激蛋白promoter的表达载体，在较低温度（如11℃）下诱导，可显著提高可溶表达几率。蛋白表达定制服务1. 目标蛋白及修饰/标签设计：根据实验需求确定是否添加His-tag、GST等融合标签，是否加入酶切位点；2. 基因合成与密码子优化：针对E. coli 系统进行优化，提升表达效率；3.
63910编辑于 2025-08-25- 来自专栏互联网开发者交流社区
语音合成
window.location); 42 speech_init.addParam("wmode", "transparent"); 43 if(_sp_text==_sp_bg){alert("欢迎使用说说语音合成系统
3.8K20发布于 2018-07-03 - 来自专栏全栈程序员必看
语音合成（speech synthesis）两种方法-拼接合成和参数合成
处理TTS的方法一般分为两部分：文本分析和语音合成（speech synthesis）。文本分析可能采用NLP方法。 而在语音合成（speech synthesis）上有两种主要的方法：一种是非参数化的，基于样例的方法，如拼接语音合成；另一种是参数化的、基于模型的方法，如统计参数语音合成。 拼接语音合成： 基于统计规则的大语料库拼接语音合成系统 超大规模音库制作：语料设计；音库录制；精细切分；韵律标注； 优点：音质最佳，录音和合成音质差异小，正常句子的自然度也好 缺点：非常依赖音库的规模大小和制作质量 ，尺寸大，无法在嵌入式设备中应用，仍然存在拼接不连续性 参数语音合成 对于引得频谱特性参数进行建模，生成参数合成器，来构建文本序列映射到语音的映射关系 优点：尺寸小，语音自然度好 缺点：音质不如拼接合成
1.9K20编辑于 2022-09-13 - 来自专栏全栈程序员必看
语音合成技术_ai语音合成软件免费的
语音合成技术原理 语音合成（text to speech），简称TTS。将文字转化为语音的一种技术，类似于人类的嘴巴，通过不同的音色说出想表达的内容。 （2）韵律建模 为合成语音规划出音段特征，如音高、音长和音强等，使合成语音能正确表达语意，听起来更加自然。 （3）语音合成（核心模块） 根据韵律建模的结果，把处理好的文本所对应的单字或短语的语音基元从语音合成库中提取，利用特定的语音合成技术对语音基元进行韵律特性的调整和修改，最终合成出符合要求的语音。 当然，也有非人工的方法，如eSpeak使用共振峰合成方法，这可以使提供的语言文件非常小，但是缺点是不如采用基于人录音的语料库的声音平滑自然。 另外，在合成的时候需要一张汉字对应拼音的对照表（实际上就是字典），汉字拼音输入法也依赖这张表。
7.9K11编辑于 2022-11-01 - 来自专栏程序员的知识天地
使用Python进行面部合成，合成结果请忽略！
使用 mergeface 接口,合成脸部图像 接口详细文档: https://console.faceplusplus.com.cn/documents/20813963 * 注意图片文件大小不超过 2 MB 核心代码: # 模板图片地址 合成图片地址 生成图片地址 合成指数0-100def add_face(image_url_1,image_url_2,image_url,number): 示例运行代码 # 单独两张照片的合成示例image_url_1 = r"C:\Users\1.jpg"image_url_2 = r"C:\Users\2.jpg"image_url = r'C:\Users 封装一个多张照片的合成函数 用 列表List 储存图片地址,先以最开始的两张进行合成,然后将合成后的图片与列表中的其他图像依次合成 * 程序没有做List的长度验证,注意边界特殊情况 def add_many 合成结果: ?
1.3K10发布于 2019-04-18 - 来自专栏python3
python图片合成
库更是封装了很多对图片处理的函数，关于Image库的介绍和使用，看这里：http://effbot.org/imagingbook/image.htm 这里用我半个月前看到的一篇博客写的demo作为背景，做一下图片的合成 图片可以看作是很多像素点组成的，每个像素点都是一个RGB颜色，(red, green, blue), 那么合成两张照片就有办法了，我们可以在一张新的RGB色的图片里一个像素点取图片一的对应位置的像素， 下一个像素点取图片二的像素，直到遍历完成，代码如下： from PIL import Image ##这里采用传入图片地址调用此函数 #这个方法目前不支持按比例合成，默认为1：1 #各取一个像素点合并 返回的参数与上述相同 如果想要保存图片可用image.save()函数保存 总的代码如下： from PIL import Image ##这里采用传入图片地址调用此函数 #这个方法目前不支持按比例合成 合成后的照片： ?
2.7K20发布于 2020-01-10 - 来自专栏深度学习|机器学习|歌声合成|语音合成
标注工具：parselmouth（歌声合成语音合成标注）
文章目录 Parselmouth install 画图 音高处理 Parselmouth Parselmouth Parselmouth是praat的python接口。 论坛讨论地址：https://groups.google.com/g/parselmouth install $ pip install praat-parselmouth 画图 import parselmouth import numpy as np import matplotlib.pyplot as plt import</
1.2K20发布于 2021-01-27 - 来自专栏DrugOne
Science | 一种在哺乳动物细胞中实现的合成蛋白质级神经网络
为了探究类似的原理是否能够在活细胞内实现计算，研究人员结合全新设计的蛋白质异源二聚体和工程化的病毒蛋白酶，构建了一个执行“胜者为王(winner-take-all)”神经网络分类的合成蛋白质电路。 实现合成信号分类系统的可编程化，能够帮助工程化基因和细胞疗法，让细胞区分正常与疾病状态。合成生物学的一个重要目标是设计分类电路，以根据不同类型的输入信号控制细胞的输出。 从更广泛的角度来看，构建基于蛋白质的神经网络将证明，通过相互作用的蛋白质，可以实现复杂的计算系统。 合成蛋白质生物学的两大进展为设计蛋白质水平的神经网络提供了可能性。 讨论 早期的合成生物学主要将计算机科学中的数字逻辑范式引入生物系统。然而，自然界中的生化网络往往表现为密集的多对多相互作用，类似于神经网络。 这引发了一个问题：是否能够通过合成方法构建受神经网络启发的生化电路？
45410编辑于 2024-12-20 - 来自专栏深度学习|机器学习|歌声合成|语音合成
标注工具：parselmouth（歌声合成语音合成标注）
@toc Parselmouth Parselmouth$ pip install praat-parselmouth画图import parselmouth import numpy as np import matplotlib.pyplot as plt import seaborn as sns import pandas as pd def draw_spectrogram(spectrogram, dynamic_range=70): X, Y = spectrogram.x_gr
2.6K40发布于 2021-01-22 - 来自专栏码客
iOS语音合成
添加引用 import AVFoundation 播放语音 //播放器 let player = AVSpeechSynthesizer(); player.delegate = self; let u = AVSpeechUtterance(string: "今天天气不错"); u.voice = AVSpeechSynthesisVoice(language: "zh-CN"); u.volume = 1.0;//音量 [0-1] Default = 1 u.rate = 0.48;//播放速度 u.p
3K10发布于 2019-10-22 - 来自专栏全栈程序员必看
语音合成综述
并且在语音合成阶段，通过声码器从预测出来的语音参数还原出时域语音信号。参数语音合成系统的优势在于模型大小较小，模型参数调整方便（说话人转换，升降掉），而且合成语音比较稳定。 缺点在于合成语音音质由于经过参数化，所以和原始录音相比有一定的损失。 Similarity based Overlap-Add)等信号处理的方法“拼接”出合成语音。 因此，拼接语音合成的优势在于，音质好，不受语音单元参数化的音质损失。但是在数据库小的情况下，由于有时挑选不到合适的语音单元，导致合成语音会有Glitch 或者韵律、发音不够稳定。 基于深度学习的-百度、谷歌 GAN网络-还处于研究阶段 ---- 合成语音的评价标准: 声音的好听与难听是一个相对主观的概念，因此合成语音的好坏主要通过找很多测听人员对合成语音进行打MOS（Mean
2.7K21编辑于 2022-09-13 - 来自专栏好奇心Log
NCL专辑 | 合成分析——厄尔尼诺年的环流合成
脚本略有缺失，完整脚本请购买施宁教授出的《NCL数据处理与绘图实习手册》纸质书籍。版权归施宁教授所有。
3.3K11发布于 2020-12-22
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