展开

关键词

Science | SARS-CoV-2和SARS-CoV受体结合域中高度神秘保守的抗原表位

(B-E)为非保守表位残基和CR3022的相互作用,带有括号的就是SARS-CoV的氨基酸突变,蓝绿色为SARS-CoV-2的RBD,橙色为CR3022的重链,黄色为轻链,残基标号是根据在SARS-CoV -2的S蛋白序列,其中(B)展示了SARS-CoV-2在372残基有丙氨酸,而SARS-CoV有苏氨酸;(C)SARS-CoV的RBD重的N370多糖潜在位置位于虚线框内,CR3022显示为静电势表面; 作者测试CR3022在体外微量中和试验中是否可以中和SARS-CoV-2和SARS-CoV,发现CR3022在最高浓度400 条件下无法中和SARS-CoV-2,该结果可以解释CR3022对SARS-CoV 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, 总之,论文分析了SARS-CoV-2如何被体液免疫反应靶向,并发现了SARS-CoV-2和SARS-CoV之间的共同保留的抗原表位,虽然CR3022在体外试验中不能中和SARS-CoV-2,但在体外试管中无中和活性且在生物体内可以起到辅助作用的病毒抗体例子有很多

30370

解决keras使用cov1D函数的输入问题

strides=1, padding=’same’, input_shape=(x_train.shape[1:]))) 这是因为模型输入的维数有误,在使用基于tensorflow的keras中,cov1d (1000 + 2*padding – filters +1)/ strides = (1000 + 2*0 -32 +1)/1 = 969 第三维度:filters 以上这篇解决keras使用cov1D

53520
  • 广告
    关闭

    什么是世界上最好的编程语言?丨云托管征文活动

    代金券、腾讯视频VIP、QQ音乐VIP、QB、公仔等奖励等你来拿!

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    bioRxiv | AI辅助设计针对SARS-CoV-2的表位疫苗

    此外,还报告了三种人畜共患病毒株-重症急性呼吸综合征冠状病毒(SARS-CoV; 2002-2003),中东呼吸综合征冠状病毒(MERS-CoV; 2012)和SARS-CoV-2(2019)。 一项最新研究调查了MARS-CoV和SARS-CoV假病毒体外抗体依赖和受体依赖病毒进入背后的分子机制。 研究证明,结合到相应刺突蛋白受体结合域区域的MERS-CoV和SARS-CoV中和单克隆抗体(mAb)能够介导病毒进入表达FcR的人细胞,从而证实了冠状病毒介导的可能性ADE。 尽管SARS-CoV和SARS-CoV-2之间存在明显的相似性,但这两者之间仍存在相当大的遗传变异。因此,评估引发针对先前冠状病毒的免疫反应的表位是否可能有效抵抗SARS-CoV-2并非易事。 3.2 SARS-CoV-2基因组多样性分析 为了排除源自遗传高度可变区域的肽,计算了SARS-CoV-2基因组内每个氨基酸的突变频率。

    32340

    pytest文档57-单元测试代码覆盖率(pytest-cov)

    pytest-cov 先命令行安装 pytest-cov 2.10.1版本 pip install pytest-cov==2.10.1 环境要求: 1.python3.6.6 版本 备注:其它版本没试过 python3.6.0版本会遇到以下问题 INTERNALERROR>raise CoverageException("Couldn't use data file {! ====================== platform win32 -- Python 3.6.6, pytest-6.0.2, py-1.9.0, pluggy-0.13.1 rootdir: [100%]----------- coverage: platform win32, python =========================== platform win32 -- Python 3.6.6, pytest-6.0.2, py-1.9.0, pluggy-0.13.1 rootdir

    1.7K10

    python flask 代码覆盖报告

    /usr/bin/env python import os COV = None if os.environ.get('FLASK_COVERAGE'): import coverage COV = coverage.coverage(branch=True, include='app/*') COV.start() ... tests = unittest.TestLoader().discover('tests') unittest.TextTestRunner(verbosity=2).run(tests) if COV : COV.stop() COV.save() print('Coverage Summary:') COV.report() basedir = os.path.abspath(os.path.dirname version: file://%s/index.html' % covdir) COV.erase() python manage.py test --coverage 测试代码覆盖

    42570

    机器学习算法笔记系列之深入理解主成分分析PCA-Python实现篇

    参考链接: 使用Scikit-Learn在Python中减少维度 Author: shizhixin  Blog: http://blog.csdn.net/shizhixin  Weibo:http: /zhixinshi  Email: zstarstone@163.com  Date: 2016-04-19  Note: 本笔记是机器学习算法笔记系列之深入理解主成分分析PCA的实现篇,有自己写的Python = np.cov(move_mean_sample,rowvar=0) my_cov_mat = my_cov(sampleDataSet) mat_cov = np.mat(np_cov) (eigV 对PCA做了实现,一方面由于Python处于学习中,没有对PCA函数进行封装,应该参考skilearn建立一个PCA的类,类中包含获取特征值,特征向量,数据重构等内容。 Python的实现中仅仅为了演示PCA的处理过程,没有考虑到算法的通用性,比如选择降维的维度,对输入的样本进行维度要求等,没有优化代码。

    20500

    Python代码覆盖性测试入门

    Python扩展库coverage可以实现对Python代码的覆盖测试,使用pip工具安装之后,可以使用命令“coverage run file.py”对Python程序file.py进行覆盖测试,然后使用命令 C:\Python 3.5>coverage run isPrime.py 1862 : No C:\Python 3.5>coverage report Name Stmts Miss import coverage from random import randint cov = coverage.Coverage() cov.start() def isPrime(n): for 2): if n%i == 0: return 'No' else: return 'Yes' n = randint(3, 2000) print(n, ':', isPrime(n)) cov.stop () cov.save() cov.html_report()

    61940

    Python进行单元测试

    Python进行单元测试 Python中的单元测试,就是编写一个测试函数,在其中执行一小段应用程序,检验代码是否正确,如果有问题,会抛出异常。 要执行这个单元测试,则需将其保存为一个Python文件,然后执行该文件,就能完成测试过程。 在Python中有两个非常流行的单元测试框架,一个是标准库中的unittest,另外一个是pytest。 pytest-cov提供了多种格式的最终报告,像下面的执行那样,增加了--cov-report=term-missing,就会在最终报告中增加一列Missing,这里会显示未覆盖的代码行。 (venv) $ pytest --cov=fizzbuzz --cov-report=term-missing --cov-branch ========================== test 再运行一次测试: (venv) $ pytest --cov=fizzbuzz --cov-report=term-missing --cov-branch ======================

    19620

    聊聊 Python 代码覆盖率工具 - Coverage

    代码覆盖率 单元测试代码覆盖率作为一种度量方式,可以计算单元测试用例对于被测代码的覆盖程度,即:被执行的代码数量和代码总数量的比值 统计代码覆盖率,经常在单元测试后再进行,可以为测试结果提供评判依据 Python 实战一下 首先,用 Python 编写一段简单被测代码,如下: # 被测代码 # main.py def get_level(cource): """ 自定义的方法 :param ") unittest.TextTestRunner().run(suite) # 结束分析 cov.stop() # 结果保存 cov.save() # 命令行模式展示结果 cov.report () # 生成HTML覆盖率报告 cov.html_report(directory='result_html') 4. 最后 上面只是通过一个简单的 Python 方法结合 unittest 单元测试框架,展示了 Coverage 获取代码覆盖率统计报告的方法 实际项目中,更多应用场景是: Python自动化、Django

    27930

    Pytest的一些实用技巧

    in str(error) 要注意as出的error并不是实际上抛出的异常,不能使用自定义异常的方法和属性,一般只检查str(error) setup.cfg里的一些配置 [tool:pytest] python_paths ;好在根目录下运行py.test的时候扫描到需要测试的包 norecursedirs = .git .tox venv* requirements*; 不扫描的目录 python_files = test *.py ;测试代码 filterwarnings = ignore::DeprecationWarning ;在输出中过滤掉特定的警告信息 配合pytest-cov库进行代码覆盖率检查 安装pytest-cov py.test --cov=app --cov-report=xml --cov-report=html 网页版的代码覆盖率报告在htmlcov目录下。

    71020

    用量子计算模拟器ProjectQ生成随机数,并用pytest进行单元测试与覆盖率测试,以及基于flake8的编码规范测试

    首先我们又需要补充安装一个组件pytest-cov: [dechin@dechin-manjaro pytest]$ python3 -m pip install pytest-cov Collecting : packaging in /home/dechin/anaconda3/lib/python3.8/site-packages (from pytest>=4.6->pytest-cov) (20.4 /dechin/anaconda3/lib/python3.8/site-packages (from pytest>=4.6->pytest-cov) (1.9.0) Requirement already =4.6->pytest-cov) (0.13.1) Requirement already satisfied: six in /home/dechin/anaconda3/lib/python3.8 >=2.0.2 in /home/dechin/anaconda3/lib/python3.8/site-packages (from packaging->pytest>=4.6->pytest-cov

    24930

    生信技巧第06课-你可能需要学一点编程

    \"/;$fpkm=$1; /cov\s\"(.*?) \"/;$fpkm=$1; /cov\s\"(.*?) \"/;$fpkm=$1; /cov\s\"(.*?) \"/;$fpkm=$1; /cov\s\"(.*?) >=3; ③exon>=2; ④exon总长度>=200 解析需求 熟悉语法 不停的调试 学什么语言 awk 建议了解基础 perl 建议不学 python 强烈推荐 (小学生都会) java 等其它可以了解

    33130

    Python单元测试框架覆盖率-Coverage

    当然同Java的JaCoCo、Cobertura等一样,Python也有自己的单元测试覆盖率统计工具,Coverage就是其中一种。 Coverage介绍与安装 Coverage是一种用于统计Python代码覆盖率的工具,通过它可以检测测试代码对被测代码的覆盖率如何。可以高亮显示代码中哪些语句未被执行,哪些执行了,方便单测。 当然还可以通过API方式执行测试并统计覆盖率: cov = coverage.coverage(source=["course_search"]) cov.start() suite = unittest.defaultTestLoader.discover (os.getcwd(), "test_course_search.py") unittest.TextTestRunner().run(suite) cov.stop() cov.report() cov.html_report(directory="report_html_01")

    2.8K20

    怎么样描述你的数据——用python做描述性分析

    涉及到的pythonPython statistics是用于描述性统计信息的内置Python库。如果您的数据集不是太大,或者您不能依赖于导入其他库,则可以使用它。 均值 均值的定义啥的,就不说了,R里面直接mean()就可以,而在python,不导入包,怎么计算: ? 当然也可以用python的内置统计功能 ? 那么在python里面怎么计算分位数呢。 / (n - 1)) >>> cov_xy 19.95 numpyh和pandas都有可以返回协方差矩阵函数cov() # numpy >>> cov_matrix = np.cov >>> cov_xy = x__.cov(y__) >>> cov_xy 19.95 >>> cov_xy = y__.cov(x__) >>> cov_xy 19.95 计算相关系数 我们这里说的均是

    59710

    干货 | 推荐一整套 Python 开发工具

    Mypy将Python的表现力和便利性与强大的类型系统和编译时类型检查相结合。Mypy对标准Python程序进行类型检查,使用 Python VM 运行 mypy 基本没有运行时的开销。 pipenv run mypy mypy 的速查表:https://mypy.readthedocs.io/en/latest/cheatsheetpy3.html 使用pytest和pytest-cov pipenv install pytest pytest-cov --dev 以下是pytest网站的一个简单示例: # content of test_sample.pydef inc(x): __main__.: 我们现在可以运行测试并报告覆盖率 pipenv run pytest --cov --cov-fail-under=100 如果对应用程序代码的测试覆盖率低于100%,则会失败。 --cov --cov-fail-under=100 types: [python] pass_filenames: false 如果你需要跳过这些钩子,你可以运行 git commit-

    49110

    程序员炒股,如何计算股票投资组合的风险和收益

    同样我们可以利用 Python 来计算股票的风险: df['rx-ri'] = df['rx'] - exp_return df['variance'] = df['px'] * (df['rx-ri' 让我们看看我们如何使用 Python 来计算这个投资组合的权重。 让我们用 Python 来计算一下投资组合的预期收益,如下: df_port['stock_ret'] = pd.Series([5, 10, 7,6,6], index=['A','B','C','D ['A']*df_cov['weight']*df_cov.loc['A', 'weight'] df_port_var['B'] = df_cov['B']*df_cov['weight']*df_cov.loc ['D'] = df_cov['D']*df_cov['weight']*df_cov.loc['D', 'weight'] df_port_var['E'] = df_cov['E']*df_cov[

    1.3K80

    Python单元测试框架覆盖率-Coverage

    又称分支覆盖,度量程序中每一个判定的分支是否都被测试到了) 条件覆盖(度量判定中的每个子表达式结果true和false是否被测试到了) 路径覆盖(度量了是否函数的每一个分支都被执行了) 组合覆盖等 那么对于Python 当然同Java的JaCoCo、Cobertura等一样,Python也有自己的单元测试覆盖率统计工具,Coverage就是其中一种。 Coverage介绍与安装 Coverage是一种用于统计Python代码覆盖率的工具,通过它可以检测测试代码对被测代码的覆盖率如何。可以高亮显示代码中哪些语句未被执行,哪些执行了,方便单测。 官方文档:http://coverage.readthedocs.org/en/latest/ 获取地址:http://pypi.python.org/pypi/coverage Coverage安装: ().run(suite) cov.stop() cov.report() cov.html_report(directory="report_html_01") 结果显示:

    11220

    使用Python计算方差协方差相关系数

    使用Python计算方差,协方差和相关系数 数学定义 期望 设随机变量X只取有限个可能值a_i (i=0, 1, ..., m),其概率分布为P (X = a_i) = p_i. 协方差 协方差用来刻画两个随机变量$X, Y$之间的相关性,定义为 Cov(X, Y) = E[(X - EX)(Y-EY)] 如果协方差为正,说明X,Y同向变化,协方差越大说明同向程度越高;如果协方差为负 ,说明X,Y反向运动,协方差越小说明反向程度越高 相关系数 相关系数可以理解为标准化以后的协方差,设X的标准差为\sigma_x,Y的标准差为\sigma_y定义为 \rho = \frac{Cov(X 协方差矩阵的每一个值就是对应下标的两个随机变量的协方差 对于三维协方差矩阵,C=\begin{bmatrix}Cov(X, X) & Cov(X, Y) & Cov(X, Z) \\ Cov(Y, X) & Cov(Y, Y) & Cov(X, Y) \\ Cov(Z, X) & Cov(Z, Y) & Cov(Z, Z)\end{bmatrix} 使用NumPy包计算 import numpy as

    2.9K40

    相关产品

    • Serverless HTTP 服务

      Serverless HTTP 服务

      Serverless HTTP 基于腾讯云 API 网关平台,为互联网业务提供 0 配置、高可用、弹性扩展的对外 RESTful API 能力,支持 swagger/ openAPI 等协议。便于客户快速上线业务逻辑,通过规范的 API 支持内外系统的集成和连接。

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      扫码关注云+社区

      领取腾讯云代金券