导读:本文包含了蛋白质二级结构论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:蛋白质,结构,卷积,激酶,球蛋白,神经网络,在线。
蛋白质二级结构论文文献综述
田康振,曹长春,聂新明,王稳,韩彩芹[1]（2019）在《表面增强拉曼光谱对于蛋白质二级结构的酰胺Ⅲ谱带表征（英文）》一文中研究指出本文利用斜角沉积法制备银纳米棒阵列基底用于蛋白质二级结构的检测,结合酰胺Ⅲ谱带光谱分析,建立了一种基于表面增强拉曼光谱(SERS)蛋白质二级结构的表征方法.用这种方法获得了两种典型蛋白质(溶菌酶和细胞色素C)的SERS信号.通过分析蛋白质骨架酰胺Ⅲ的光谱,研究了浓度对蛋白质折迭状态的影响.结果表明在一定范围内随着浓度的增加,溶菌酶的α-螺旋结构和β-折迭结构成分增加,而细胞色素C的二级结构基本保持不变.(本文来源于《Chinese Journal of Chemical Physics》期刊2019年05期）
李艳萍[2]（2019）在《基于决策森林的蛋白质二级结构预测算法研究》一文中研究指出蛋白质是人类机体的重要组成并且机体内几乎所有的活动都需要具有特定功能的蛋白质参与。蛋白质的空间结构决定其主要功能。因此对于蛋白质结构的研究有助于更好的了解它的功能。但并不能直接通过模拟蛋白质的折迭过程来了解它的空间结构。然而蛋白质是由氨基酸序列组成的,因此,通过氨基酸序列来预测蛋白质的二级结构进而了解它的叁维构象便成为了一种常用的方法。在大数据、云计算和人工智能快速发展的时代背景下,采用机器学习的方法对蛋白质的二级结构进行预测已经成为生物信息学中的一个研究热点。基于决策树森林模型及机器学习技术,本文深入研究了蛋白质的八类二级结构预测,主要研究内容如下:针对蛋白质的八类二级结构预测问题,提出了一种基于梯度提升的决策森林预测算法。该算法基于氨基酸序列的PSSM谱特征采用交叉熵损失函数的二阶泰勒近似作为优化目标,以决策树确定的映射函数作为优化参数,通过贪婪地在特征值上选取最佳分裂点来构造决策树。此外,为了防止过拟合,进一步在目标函数中引入了_2L正则化项,以便控制模型的复杂度。在标准的CB513蛋白质二级结构评估数据集上,本文提出的算法达到了64.89%的_8Q准确率。针对梯度提升决策森林算法运行速度慢的缺点,本文基于直方图思想提出了一种快速梯度提升的预测模型。该模型通过直方图的方法将样本特征离散化,对于大量的样本数据采用单边梯度技术对数据进行采样,并采用特征绑定技术对多维特征进行降维,实现了样本数量和特征两个维度的并行。通过大量的实验对影响模型性能的指标进行分析,实验结果表明,基于本文所提出的快速梯度提升算法对蛋白质的二级结构进行预测,在测试集上的_8Q准确率达到了66.35%。另外,在同样的数据集上,相对于其他算法来比较,本文所提出的算法运行速度非常快,时间复杂度很小。(本文来源于《河南大学》期刊2019-06-01）
王蕾蕾[3]（2019）在《基于条件随机场与深度学习的蛋白质二级结构预测》一文中研究指出随着生物信息学的发展,蛋白质数据库中的蛋白质序列信息越来越多,尤其是生物信息学的出现,使得人们能够更好地利用这些蛋白质信息了解生物系统。生物信息学可以利用这些序列信息寻找相关的蛋白质,并收集其他信息推测未知蛋白质的结构和功能等可能的特性。蛋白质结构分析预测也经常被用在药物设计中。通过实验方法获取蛋白质二级结构所需的成本高,专业人才紧缺,所以目前面临的核心问题就是利用生物信息学找到一种能够高效地预测蛋白质二级结构的算法。本文使用深度学习算法和条件随机场算法对蛋白质二级结构进行预测。在蛋白质数据处理中,本文用到了位置特异性矩阵(Position-Specific Scoring Matrix,PSSM),同时为了更好的表示氨基酸序列,使用了滑动窗口技术。在蛋白质二级结构预测算法方面,本文提出了两种学习分类方法:第一种是卷积神经网络结合Softmax分类器的算法,此方法改进了卷积神经网络的模型结构,针对梯度消失问题在各卷积层之后添加了修正线性单元(Rectified Linear Units,ReLU)激活层,为了最大限度地保留原始数据的重要特征,提取了全连接层之前的特征数据作为Softmax分类器的输入,对蛋白质二级结构进行分类和预测,与传统的卷积神经网络方法比较,此方法提高了预测精度。第二种是基于集成学习的思想:使用了一种简单的集成策略把卷积神经网络和条件随机场模型进行了结合,使得这两种学习器最大限度的发挥自身的优势同时弥补彼此的缺点,最后用本文的集成分类器对蛋白质二级结构进行分类和预测,提高了预测的精度。实验证明,本文提出的两种方法在公开的蛋白质数据集25PDB数据集上准确率有所提高。实验证明,由卷积神经网络和条件随机场模型基于集成学习策略组成的集成学习器在25PDB数据集上的预测准确率高于CNN-Softmax网络模型,所以,深度学习算法与条件随机场模型结合可以更好地提高蛋白质二级结构的预测准确率。(本文来源于《齐鲁工业大学》期刊2019-05-31）
王剑[4]（2019）在《基于分组式的多分类器的蛋白质二级结构预测的算法研究》一文中研究指出蛋白质二级结构预测是蛋白质结构预测和理解蛋白质结构和功能的重要课题,主要工作是依据蛋白质氨基酸序列的编码特征正确识别出对应的蛋白质二级结构标签。本文采用25PDB蛋白质序列数据集,采用PSSM编码﹑正交编码和滑动窗口方法将氨基酸处理成伪图像对蛋白质二级结构预测做了研究,在研究过程中选定了叁种训练模型,分别是卷积神经网络﹑LSTM神经网络和随机森林。每个训练模型对应一个分组实验,在每个分组实验中对训练模型做了训练模型的优化设计:在基于卷积神经网络的分组实验中,设计了一个包含两个网络结构单元的一般卷积神经网络,每个网络单元包含主要的卷积层和下采样层,因为蛋白质氨基酸的伪图像对于卷积神经网络来说相对于真正的图像而言数据量较少,所以本文设计了一个可以增加输入冗余,解决一般卷积神经网络梯度偏离的残差卷积神经网络,实验证明这种卷积神经网络更加稳定,预测更准确。在基于LSTM神经网络的分组实验中,分别对伪图像在两个维度上切片生成序列数据对于一般的LSTM神经网络做了实验,因为直接切片会破坏蛋白质氨基酸序列的上下文特,所以本文采用滑动窗口操作在蛋白质序列维度生成了多个BP神经网络隐层,将这些BP神经网络隐层神经元的输出当作序列数据输入LSTM神经网络,实验证明添加BP神经网络隐层的LSTM神经网络能更好的提取蛋白质序列的上下文特征。在基于随机森林的分组实验中,本文将残差卷积神经网络在最后一个平均池化层提取的样本特征作为随机森林的输入,相当于为随机森林做了一个特征提取器,实验证明添加了特征提取器的随机森林预测结果会有很大提升。在分组实验结束之后,本文利用ensemble方法将实验中叁种优化设计之后的模型进行了整合,将残差卷积神经网络﹑加入了BP神经网络隐层的LSTM神经网络和添加了特征提取器的随机森林模型在每个蛋白质二级标签上的输出概率相加,取最大概率对应的标签作为ensemble模型的输出,实验证明ensemble模型相对于叁类成员模型的预测结果均有提高。(本文来源于《齐鲁工业大学》期刊2019-05-31）
赵赣[5]（2019）在《关于蛋白质二级结构α-螺旋中氢键构成的准确表述》一文中研究指出在介绍蛋白质二级结构α-螺旋中的氢键构成时,宜强调"从N端往C端方向",以及"每个氨基酸残基的C=O上的氧和它前面的第4个氨基酸残基的N-H上的氢形成氢键"这2点,这有助于学生准确理解α-螺旋结构的特点。(本文来源于《生物学通报》期刊2019年05期）
刘野[6]（2019）在《基于分子动力学模拟研究蛋白质二级结构变化对其活性的影响》一文中研究指出蛋白质作为生命体的基础物质,参与到生命活动的各个环节。由多个二级结构组成的蛋白质叁级结构决定蛋白质的结构与功能,蛋白质二级结构的改变往往会影响蛋白质的活性。传统的分子生物学实验技术无法从微观上检测二级结构的变化,也无法分析二级结构变化调控蛋白质活性的分子机理。分子动力学模拟是随着生物科学技术与计算机科学技术的发展,应运而生的一种新兴交叉的生物学手段,被应用于生物大分子催化机制、蛋白构象改变、酶与配体相互作用机制的研究中,发挥了其独特的优势,在很多方面成为实验难以替代的方法。本论文以人MEK1、玉米赤烯酮降解酶、嗜热菌Argonaute和环状芽孢杆菌的转氨酶为蛋白质分子模型,采用多种计算生物学的方法(分子动力学模拟、蛋白质网络分析、结合自由能计算、分子对接),针对几种重要蛋白进行深入的研究,对蛋白质二级结构调控蛋白质活性的分子机理进行了深入的讨论。论文的具体研究内容如下:1.MEK1二级结构变化影响其催化活性的分子机制大约30%的癌症发生与MAPK信号转导通路的激活有关,丝裂原活化蛋白激酶激酶(MEK1)是该条信号通路的关键组成部分。据报道,在很多类型的癌症中,MEK1分子氨基酸的突变能够增强其活性,从而导致癌细胞的增殖和分化。但是突变引起蛋白构象变化以及调控其活性的分子机制并不清楚。本研究对野生型MEK1(无活性)、一种无活性突变(A52V)、五种有活性突变(K57N、P124S、E203K、I103和E102_I103缺失突变)以及磷酸化的MEK1(有活性)进行了分子动力学模拟,和蛋白质网络以及MM-PBSA的分析。蛋白质结构网络和氢键分析表明,位于C Helix(Residue 105-121)附近的残基发生突变,降低了C Helix的稳定性,进而破坏了MEK1中Activation segment(Residue 216-222)和C Helix之间的相互作用,并伴随着Activation segment的二级结构由Helix变成Coil,最终导致Activation segment远离MEK1蛋白的主体,在蛋白表面形成一个开放的缺口,即蛋白由Close状态转变成Open状态。氢键分析和MM-PBSA计算结果说明有活性突变能够通过降低MEK1和抑制剂ANP之间的结合亲和力以抵消抑制剂的抑制作用。这些理论计算的结果都能充分地阐释有活性突变增强MEK1活性的分子机制,为二级结构变化影响蛋白活性分子机制的研究提供了理论依据。2.玉米赤烯酮降解酶二级结构变化影响其对α-ZOL降解效率的分子机制玉米赤烯酮(ZEN)及其衍生物是从发霉谷类中提取出的污染物,因其污染程度大、难降解的性质,给农业和工业经济带来很大的损失。国内外学者一直致力于寻找高效的降解该污染物的方法。玉米赤烯酮降解酶(ZHD)是一种典型的α/β水解酶,也是唯一能够降解玉米赤烯酮的酶,但是野生型ZHD对于玉米赤烯酮衍生物的降解效率很低。最近的研究表明,V153H突变能特异性的增强ZHD对α-ZOL的降解效率。为了分析V153H突变提高ZHD对α-ZOL的催化效率的原因,采用Gromacs软件对野生型/α-ZOL、野生型/β-ZOL、V153H/α-ZOL和V153H/β-ZOL四个复合体进行了分子动力学模拟以及蛋白质网络分析。理论计算结果显示,V153H突变导致了位于ZHD中Cap domain(Residue Gly161-Thr190)的Helix消失,从而增强了Cap domain和Residue Met241-Tyr245之间的联系和氢键相互作用,影响了催化残基His242的相对位置。α-ZOL和ZHD的结合促使α-ZOL中的OAE原子与His242的NE2原子的距离增大,为His242侧链进入催化活性部位提供了足够的空间,从而提高了ZHD对α-ZOL的催化活性。此外,α-ZOL更容易和V153H突变体形成合适的催化进攻角度和距离,以保证催化反应的进行。丙氨酸扫描结果表明,位于Cap domain区域残基的突变能够明显改变ZHD与α-ZOL和β-ZOL之间的亲和力。我们的模拟结果为ZHD催化特异性机理的研究提供了有用的理论依据。3.嗜热菌Argonaute蛋白二级结构变化影响其催化活性的分子机制来自于嗜热菌Thermus thermophiles的Argonaute(Tt Ago)蛋白因其能特异性切割外源核酸的能力,成为国内外学者研究的焦点。但因为Argonaute蛋白需要在高温条件下才具有活性的特点,很大程度上限制了它在生物学领域中的应用。因此,我们在310、324和338K条件下对Tt Ago/DNA复合物进行分子动力学模拟和结合自由能的计算,探索高温维持Tt Ago活性的分子机制,为改造出低温的Argonaute酶提供理论支持。模拟结果表明,在低温条件下,位于Residue Glu507-Arg513处的β-折迭消失,导致残基Glu512远离催化残基Asp546和Asp478,从而导致催化活性的下降,在高温条件的模拟中未观察到这种现象。对蛋白通道的分析结果显示,高温可使Tt Ago蛋白的核酸结合通道变宽,有利于Guide DNA序列和Target DNA序列的进入和离去。除此之外,Tt Ago和DNA的相互作用在324和338K的条件下更加稳定。高温还能在很大程度上降低与DNA结合表面的溶剂可及性表面积,从而影响与DNA的亲水性相互作用。我们的模拟研究揭示了温度通过调控嗜热菌Tt Ago二级结构从而调控其活性的分子机制,为其在基因编辑领域中的应用提供了一定程度的理论支持。4.基于多重分子动力学模拟研究转氨酶Btr R的催化选择特异性井冈霉烯胺(valienamine)是一种带有侧链的不饱和环醇假氨基糖类物质,根据手性碳原子的特异性,存在valienamine和β-valienamine两种同分异构体。因为β-valienamine的衍生物是治疗溶酶体贮存性疾病有效的化学伴侣,其合成路线愈来愈受到人们的关注。有报道称来自于环状芽孢杆菌的转氨酶Btr R在辅酶PLP的帮助下,可以将valienone特异性催化成β-valienamine,且纯度在99%以上。为了研究来自于环状芽孢杆菌的转氨酶Btr R对产物井冈霉烯胺(valienamine)的立体选择性机理,分别对valienamine/PLP/Btr R和β-valienamine/PLP/Btr R两个复合体进行了常规分子动力学模拟和拉伸分子动力学模拟。理论计算结果显示,当β-valienamine存在时,会通过调节Btr R的二级结构使得辅酶PLP和Btr R之间氢键几率增加以及结合自由能的升高,有助于催化反应的发生。β-valienamine能够维持Btr R分子内碱性氨基酸和芳香族氨基酸之间形成阳离子共轭,从而增强Btr R的稳定性及催化活性。拉伸分子动力学模拟结果显示,valienamine在解离过程中能和通道上很多的氨基酸形成相互作用,导致其需要更大的外力才能从Btr R蛋白中解离,这说明β-valienamine更容易从转氨酶Btr R的通道中解离出来,从而为下一轮底物的结合提供空间。所有计算结果表明无论是从催化反应发生的角度,还是从产物离去的角度,Btr R都更倾向于催化底物生成β-valienamine,即对β-valienamine具有极高的选择特异性。(本文来源于《吉林大学》期刊2019-05-01）
朱树平,刘毅慧[7]（2019）在《蛋白质二级结构在线服务器预测评估》一文中研究指出蛋白质二级结构的预测,对于研究蛋白质的功能和人类生命科学意义非凡。1951年开始提出预测蛋白质二级结构,1983年对于二级结构的预测只有50%的准确率。经过多年的发展,预测方式不断的改进和完善,到如今准确率已经超过80%。但目前预测在线服务器繁多,连续自动模型评估(CAMEO)也只给出服务器叁级结构的预测评估,二级结构评估还未实现。针对上述问题,选取了以下6个服务器:PSRSM、MUFOLD、SPIDER、RAPTORX、JPRED和PSIPRED,对其预测的二级结构进行评估。并且为保证测试集不在训练集内,实验数据选取蛋白质结构数据库(Protein Data Bank,PDB)最新发布的蛋白质。在基于蛋白质同源性30%、50%和70%的实验中,PSRSM取得Q3的准确率分别为91.44%、88.12%和90.17%,比其他预测服务器中最高的MUFOLD分别高出3.19%、1.33%和2.19%,证明在同一类同源性数据中PSRSM比其他服务器有更好的预测效果。除此之外实验也得到其预测的Sov准确度也比其他服务器要高。比较各类服务器的方法与结果,得出今后蛋白质二级结构预测应当重点从大数据、模板和深度学习的角度进行研究。(本文来源于《生物信息学》期刊2019年01期）
王一然,丁瑞雪,耿丽娟,刘显琦,毛晋春[8]（2019）在《基于红外光谱分析巴氏杀菌乳贮藏期间蛋白质二级结构的变化》一文中研究指出巴氏杀菌乳因最大限度地保留了乳的营养物质和风味,深受国内外消费者的普遍青睐,然而,因其杀菌温度低、货架期很短,大大限制了大规模生产、远距离销售。其中,在贮运期间发生的蛋白质腐败性变质,是导致巴氏杀菌乳在贮运期间品质劣变的主要原因之一。在前期研究的基础上,结合蛋白质含量与氨基酸含量的分析,利用傅里叶变换红外光谱技术(FT-IR)分别对采集的不同贮藏温度和时间条件下的巴氏杀菌乳样品的蛋白质二级结构进行测定,并对不同巴氏杀菌乳样品的蛋白及其酰胺Ⅰ带及酰胺Ⅲ带进行了拟合,对不同贮藏温度和时间条件下的巴氏杀菌乳的蛋白质二级结构的变化规律进行进一步研究。结果表明:贮藏温度和时间对巴氏杀菌乳中蛋白质二级结构具有显着的影响,其中,在0℃和4℃贮藏条件下,巴氏杀菌乳乳清蛋白中的α-螺旋结构所占比例显着降低,无规卷曲结构所占比例显着上升,β-折迭、β-转角结构所占比例趋于稳定。而在15℃和25℃贮藏条件下α-螺旋结构的比例先下降后上升,总体来看,乳清蛋白二级结构随着贮藏时间的增加,由有序向无序转变。该结果表明了在不同贮藏条件下巴氏杀菌乳中蛋白质二级结构由有序向无序变化,二级结构的变化降低了巴氏杀菌乳在贮藏期间的营养价值。从蛋白质二级结构的角度来看,4℃的贮藏条件能更好保持巴氏杀菌乳的营养品质。(本文来源于《沈阳农业大学学报》期刊2019年01期）
魏胜男,李文怡,杨小龙,蔡锋隆,田雨佳[9]（2019）在《不同贮藏条件对鸡蛋蛋白质二级结构的影响》一文中研究指出为了研究不同贮藏条件对鸡蛋蛋白质二级结构的影响,试验选择39周龄伊莎褐蛋鸡鸡蛋100枚,分别采用蛋白高度测定仪和傅里叶红外光谱仪测定不同贮藏温度(4℃和16℃)和时间(第1,8,15,22天)的鸡蛋蛋白高度和蛋白质二级结构。结果表明:随着贮藏时间的延长,鸡蛋的哈氏单位逐渐降低,蛋白质二级结构的含量在不同的贮藏条件下也发生了不同程度的变化;随着贮藏时间的延长,α-螺旋和β-折迭的含量下降,β-转角和无规卷曲含量升高。说明鸡蛋在贮藏期间蛋白质由有序结构转为无序结构,随着哈氏单位的降低,蛋白质二级结构也发生了相应的变化。(本文来源于《黑龙江畜牧兽医》期刊2019年02期）
张秋会,李苗云,柳艳霞,高晓平,崔文明[10]（2018）在《离子强度对11S大豆球蛋白和鸡肌球蛋白质的二级结构及凝胶特性的影响》一文中研究指出研究了离子强度对11S大豆球蛋白和鸡肌球蛋白质二级结构及其凝胶特性的影响。结果表明,离子强度对蛋白质二级结构和凝胶特性有显着影响,而且二级结构和凝胶特性间存在极显着的相关性;其中,离子强度0.6~0.8 mol·L~(-1)时,凝胶保水性显着高于其他水平;离子强度0.4~0.8 mol·L~(-1)时,凝胶强度显着高于其他水平;离子强度高于0.8 mol·L~(-1)时,凝胶微观结构变得致密;随离子强度的升高,α-螺旋结构显着降低,β-折迭结构显着升高。(本文来源于《河南农业大学学报》期刊2018年03期）
蛋白质二级结构论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
蛋白质是人类机体的重要组成并且机体内几乎所有的活动都需要具有特定功能的蛋白质参与。蛋白质的空间结构决定其主要功能。因此对于蛋白质结构的研究有助于更好的了解它的功能。但并不能直接通过模拟蛋白质的折迭过程来了解它的空间结构。然而蛋白质是由氨基酸序列组成的,因此,通过氨基酸序列来预测蛋白质的二级结构进而了解它的叁维构象便成为了一种常用的方法。在大数据、云计算和人工智能快速发展的时代背景下,采用机器学习的方法对蛋白质的二级结构进行预测已经成为生物信息学中的一个研究热点。基于决策树森林模型及机器学习技术,本文深入研究了蛋白质的八类二级结构预测,主要研究内容如下:针对蛋白质的八类二级结构预测问题,提出了一种基于梯度提升的决策森林预测算法。该算法基于氨基酸序列的PSSM谱特征采用交叉熵损失函数的二阶泰勒近似作为优化目标,以决策树确定的映射函数作为优化参数,通过贪婪地在特征值上选取最佳分裂点来构造决策树。此外,为了防止过拟合,进一步在目标函数中引入了_2L正则化项,以便控制模型的复杂度。在标准的CB513蛋白质二级结构评估数据集上,本文提出的算法达到了64.89%的_8Q准确率。针对梯度提升决策森林算法运行速度慢的缺点,本文基于直方图思想提出了一种快速梯度提升的预测模型。该模型通过直方图的方法将样本特征离散化,对于大量的样本数据采用单边梯度技术对数据进行采样,并采用特征绑定技术对多维特征进行降维,实现了样本数量和特征两个维度的并行。通过大量的实验对影响模型性能的指标进行分析,实验结果表明,基于本文所提出的快速梯度提升算法对蛋白质的二级结构进行预测,在测试集上的_8Q准确率达到了66.35%。另外,在同样的数据集上,相对于其他算法来比较,本文所提出的算法运行速度非常快,时间复杂度很小。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
蛋白质二级结构论文参考文献
[1].田康振,曹长春,聂新明,王稳,韩彩芹.表面增强拉曼光谱对于蛋白质二级结构的酰胺Ⅲ谱带表征（英文）[J].ChineseJournalofChemicalPhysics.2019
[2].李艳萍.基于决策森林的蛋白质二级结构预测算法研究[D].河南大学.2019
[3].王蕾蕾.基于条件随机场与深度学习的蛋白质二级结构预测[D].齐鲁工业大学.2019
[4].王剑.基于分组式的多分类器的蛋白质二级结构预测的算法研究[D].齐鲁工业大学.2019
[5].赵赣.关于蛋白质二级结构α-螺旋中氢键构成的准确表述[J].生物学通报.2019
[6].刘野.基于分子动力学模拟研究蛋白质二级结构变化对其活性的影响[D].吉林大学.2019
[7].朱树平,刘毅慧.蛋白质二级结构在线服务器预测评估[J].生物信息学.2019
[8].王一然,丁瑞雪,耿丽娟,刘显琦,毛晋春.基于红外光谱分析巴氏杀菌乳贮藏期间蛋白质二级结构的变化[J].沈阳农业大学学报.2019
[9].魏胜男,李文怡,杨小龙,蔡锋隆,田雨佳.不同贮藏条件对鸡蛋蛋白质二级结构的影响[J].黑龙江畜牧兽医.2019
[10].张秋会,李苗云,柳艳霞,高晓平,崔文明.离子强度对11S大豆球蛋白和鸡肌球蛋白质的二级结构及凝胶特性的影响[J].河南农业大学学报.2018
论文知识图
