构建以元件为目标导向的基因簇查新平台任务书

 2021-10-21 05:10

1. 毕业设计（论文）的内容和要求

1. 应用化学信息学工具，收集天然产物数据，构建靶向（聚酮类）化合物及其修饰／变构分子的数字表征模型。

2. 使用antismash等工具模块，利用MIBiG（含靶向元件的）基因簇数据库构建训练集，构建本地机器学习预测模型。

3. 利用部分链霉菌基因组注释数据、新聚酮类产物数据和文献数据，训练目标元件靶向的预测模型4. 完成100条链霉菌基因组查新预测，并与文献／其它预测方法比较。

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

2. 参考文献

Blin, K., et al., antiSMASH 5.0: updates to the secondary metabolite genome mining pipeline. Nucleic Acids Res, 2019. 47(W1): p. W81-W87.2. Helfrich, E.J.N., et al., Automated structure prediction of trans-acyltransferase polyketide synthase products. Nat Chem Biol, 2019. 15(8): p. 813-821.3. van Santen, J.A., et al., The Natural Products Atlas: An Open Access Knowledge Base for Microbial Natural Products Discovery. ACS Cent Sci, 2019. 5(11): p. 1824-1833.4. 张举成, 杨雪琼，周皓，杨亚滨, 丁中涛2006-2018 年稀有放线菌中的新天然产物. 有机化学2019: 395. Wu, Y. and G. Wang, Machine Learning Based Toxicity Prediction: From Chemical Structural Description to Transcriptome Analysis. Int J Mol Sci, 2018. 19(8).6. Tangadpalliwar, S.R., et al., ChemSuite: A package for chemoinformatics calculations and machine learning. Chem Biol Drug Des, 2019. 93(5): p. 960-964.

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章