• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

相似文献

1
A computational walk to the hidden peaks of protein performance.探索蛋白质性能隐藏巅峰的计算之旅。
Synth Biol (Oxf). 2021 May 14;6(1):ysab011. doi: 10.1093/synbio/ysab011. eCollection 2021.
2
Recognition of environmental and genetic effects on barley phenolic fingerprints by neural networks.
Comput Chem. 2001 May;25(3):301-7. doi: 10.1016/s0097-8485(00)00103-0.
3
Prediction of protein binding sites in protein structures using hidden Markov support vector machine.利用隐马尔可夫支持向量机预测蛋白质结构中的蛋白质结合位点。
BMC Bioinformatics. 2009 Nov 20;10:381. doi: 10.1186/1471-2105-10-381.
4
Learning Through Deterministic Assignment of Hidden Parameters.通过确定性分配隐藏参数进行学习。
IEEE Trans Cybern. 2020 May;50(5):2321-2334. doi: 10.1109/TCYB.2018.2885029. Epub 2018 Dec 20.
5
A comparison of network sampling designs for a hidden population of drug users: Random walk vs. respondent-driven sampling.针对吸毒者这一隐性群体的网络抽样设计比较：随机游走抽样与应答驱动抽样。
Soc Sci Res. 2017 Feb;62:350-361. doi: 10.1016/j.ssresearch.2016.08.016. Epub 2016 Aug 27.
6
Logistic regression paradigm for training a single-hidden layer feedforward neural network. Application to gene expression datasets for cancer research.用于训练单层前馈神经网络的逻辑回归范例。在癌症研究的基因表达数据集上的应用。
J Biomed Inform. 2020 Feb;102:103373. doi: 10.1016/j.jbi.2019.103373. Epub 2019 Dec 31.
7
Scattering of light by a periodic structure in the presence of randomness. V. Detection of successive peaks in a periodic structure.
Appl Opt. 2006 Dec 10;45(35):8939-44. doi: 10.1364/ao.45.008939.
8
State Space Model with hidden variables for reconstruction of gene regulatory networks.用于重建基因调控网络的具有隐藏变量的状态空间模型。
BMC Syst Biol. 2011;5 Suppl 3(Suppl 3):S3. doi: 10.1186/1752-0509-5-S3-S3. Epub 2011 Dec 23.
9
A Composite Approach to Protein Tertiary Structure Prediction: Hidden Markov Model Based on Lattice.基于格点的隐马尔可夫模型：蛋白质三级结构预测的综合方法
Bull Math Biol. 2019 Mar;81(3):899-918. doi: 10.1007/s11538-018-00542-4. Epub 2018 Dec 10.
10
A Fast SVD-Hidden-nodes based Extreme Learning Machine for Large-Scale Data Analytics.一种基于快速奇异值分解-隐藏节点的极端学习机用于大规模数据分析
Neural Netw. 2016 May;77:14-28. doi: 10.1016/j.neunet.2015.09.003. Epub 2015 Oct 21.

本文引用的文献

1
Engineering a Highly Efficient Carboligase for Synthetic One-Carbon Metabolism.构建用于合成一碳代谢的高效碳连接酶
ACS Catal. 2021 May 7;11(9):5396-5404. doi: 10.1021/acscatal.1c01237. Epub 2021 Apr 20.
2
Low-N protein engineering with data-efficient deep learning.低蛋白工程与数据高效深度学习。
Nat Methods. 2021 Apr;18(4):389-396. doi: 10.1038/s41592-021-01100-y. Epub 2021 Apr 7.
3
Synthetic biology in the clinic: engineering vaccines, diagnostics, and therapeutics.临床中的合成生物学：疫苗、诊断和治疗的工程。
Cell. 2021 Feb 18;184(4):881-898. doi: 10.1016/j.cell.2021.01.017. Epub 2021 Feb 10.
4
Unified rational protein engineering with sequence-based deep representation learning.基于序列的深度学习表示的统一理性蛋白质工程。
Nat Methods. 2019 Dec;16(12):1315-1322. doi: 10.1038/s41592-019-0598-1. Epub 2019 Oct 21.
5
Machine-learning-guided directed evolution for protein engineering.基于机器学习的定向进化蛋白质工程。
Nat Methods. 2019 Aug;16(8):687-694. doi: 10.1038/s41592-019-0496-6. Epub 2019 Jul 15.
6
Directions for Optimization of Photosynthetic Carbon Fixation: RuBisCO's Efficiency May Not Be So Constrained After All.光合碳固定优化指南：事实证明，核酮糖-1,5-二磷酸羧化酶/加氧酶（RuBisCO）的效率可能并非如此受限。
Front Plant Sci. 2018 Mar 1;9:183. doi: 10.3389/fpls.2018.00183. eCollection 2018.
7
Directed Evolution: Bringing New Chemistry to Life.定向进化：为生命带来新的化学物质。
Angew Chem Int Ed Engl. 2018 Apr 9;57(16):4143-4148. doi: 10.1002/anie.201708408. Epub 2017 Nov 28.
8
A short history of RubisCO: the rise and fall (?) of Nature's predominant CO fixing enzyme.RubisCO 的简史：大自然占主导地位的 CO2 固定酶的兴衰（？）。
Curr Opin Biotechnol. 2018 Feb;49:100-107. doi: 10.1016/j.copbio.2017.07.017. Epub 2017 Aug 29.
9
Exploring protein fitness landscapes by directed evolution.通过定向进化探索蛋白质适应度景观。
Nat Rev Mol Cell Biol. 2009 Dec;10(12):866-76. doi: 10.1038/nrm2805.

A computational walk to the hidden peaks of protein performance.

作者信息

Billerbeck Sonja

机构信息

Molecular Microbiology, Groningen Biomolecular Sciences and Biotechnology Institute, University of Groningen, Groningen, The Netherlands.

出版信息

Synth Biol (Oxf). 2021 May 14;6(1):ysab011. doi: 10.1093/synbio/ysab011. eCollection 2021.

DOI:10.1093/synbio/ysab011
PMID:34712836
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC8546611/
Abstract
摘要