-
公开(公告)号：CN104978498A
公开(公告)日：2015-10-14
申请号：CN201510179743.4
申请日：2015-04-16
Applicant: 上海大学
IPC: G06F19/24
Abstract: 本发明涉及一种生物分子网络拓扑结构比对的自适应方法。该方法用于寻找两个生物分子网络生物学意义上的最优映射，其步骤如下：A、构建第一生物分子网络和第二生物分子网络的初始相似矩阵 。B、基于相似矩阵，获得第一生物分子网络中的节点和第二生物分子网络之间的比对映射矩阵。C、根据当前迭代步的匹配结果，自适应地更新相似矩阵，然后计算得到下一迭代步生物分子的相似矩阵。D、计算每一迭代步的映射矩阵的得分，然后判断是否结束计算。其特点在于针对节点的网络拓扑特点自适应地计算网络节点之间的相似性，有效降低仅用匈牙利算法而需要的大量计算时间，同时提高仅用贪心算法的准确率，从而找出比同类算法更好的映射。
-
公开(公告)号：CN103337097A
公开(公告)日：2013-10-02
申请号：CN201310274562.0
申请日：2013-07-02
Applicant: 上海大学
IPC: G06T17/20
Abstract: 本发明公开了一种适用于格子Boltzmann方法的多重笛卡尔网格生成方法。该方法能对任何复杂几何的物体的内部或外部生成多重笛卡尔网格，其步骤如下：A、根据用户是要求设置多重笛卡尔网格的参数；B、计算生成最粗的单重网格，并利用射线法判断网格单元中心与物体的相对位置，如果在内部就删除该网格单元，如果在物体边界上则计算网格单元中心到边界的距离（该距离在LBM方法中将要使用）；C、逐层地从物体表面开始对网格进行加密，生成的子网格单元也需要判断与物体的相对位置，如果在内部就删除该子网格单元，如果在物体边界上则计算子网格单元中心到边界的距离，最后搜索形成子网格的邻居信息。通过上面的步骤最终形成多重的笛卡尔网格。
-
Patent Agency Ranking
公开(公告)号：CN102902896A
公开(公告)日：2013-01-30
申请号：CN201210358669.9
申请日：2012-09-25
Applicant: 上海大学
IPC: G06F19/24
Abstract: 本发明公开了基于专家知识与拓扑相似的邻居优先生物分子子网搜索方法。其步骤如下：A、根据生物分子的序列特征，构建网络T（Gt）和B（GB）中生物分子的初始相似矩阵。B、根据生物分子在网络中的拓扑的相似特征，计算生物分子的相似矩阵S。C、构建专家知识字典。D、基于专家知识，以邻居优先策略进行搜索，获得结果子网。E、计算结果子网R（Gr）与目标子网T（Gt）的相似得分。F、计算p值。G、结果子网可视化。与同类方法相比，该方法计算准确度更高，具有更高的稳定性，能更好地处理生物分子网络间的“空隙”（Gap），获得更多的保守边和节点，且能较好地反映生物分子网络之间的变化情况。
-
公开(公告)号：CN101719195A
公开(公告)日：2010-06-02
申请号：CN200910199850.8
申请日：2009-12-03
Applicant: 上海大学
IPC: G06F19/00
Abstract: 本发明公开了一种逐步回归基因调控网络的推断方法，该方法步骤如下：A.读取基因表达数据矩阵和基因扰动数据矩阵；B.确定基因表达矩阵和基因扰动矩阵是否均为标准化数据；C.对基因表达数据矩阵和基因扰动数据据矩阵分别进行数据归一化均构成标准化数据；D.分析标准化数据，计算所有基因间相关系数矩阵；E.将基因间相关系数矩阵可视化成网络，得到基因调控网络图。该方法能进行最优回归子集的选择，因此解决了高维小样本实验数据的问题；2.为目标基因逐步选择最具显著影响的调控子，符合了基因调控网络的真实情况；3.随着基因调控网络规模的增大和网络稀疏度的增加，在计算精度、计算效率上均优于同类方法。
-
公开(公告)号：CN103345580A
公开(公告)日：2013-10-09
申请号：CN201310274574.3
申请日：2013-07-02
Applicant: 上海大学
Abstract: 本发明公开了一种基于格子Boltzmann方法的并行CFD方法。该方法能针对各种复杂的物体并行地进行流体力学的计算与分析，其特点在于引入了适合于格子Boltzmann方法的并行分布式网格剖分方法，使得网格剖分时间大大缩短，同时根据的分布式计算机体系结构，构建了减少格子Boltzmann方法在并行迭代计算中的通信量算法，加速了迭代的速度，提高了算法的可扩展性，使得格子Boltzmann方法适用于大规模计算。大量的数值实验证明了该并行计算方法具有良好的可扩展性，并且更加适合于超大规模的计算系统。
-
公开(公告)号：CN101719194B
公开(公告)日：2011-08-10
申请号：CN200910199849.5
申请日：2009-12-03
Applicant: 上海大学
IPC: G06F19/12
Abstract: 本发明公开了一种人工基因调控网络的模拟方法，该方法步骤如下：A、根据真实基因调控网络的拓扑特性，构建具有全局稳定不动点的骨架网络；B、将骨架网络中的节点和边进行随机拆分；C、在骨架网络上增加新的节点：D、在新的节点的上产生新的边；E、设定模拟的网络规模，网络中包含R个节点，重复步骤C-D，产生新的节点和新的边，使人工基因调控网络增大，每重复一次，统计一次网络的节点数，直到网络增大到设定的网络规模为止。该方法具有很强的针对性和生物信息学应用性；模拟产生的人工基因调控网络具有动力学稳定性；为基因调控网络构建算法的性能测试提供了多样化人工基因调控网络，为系统生物领域的研究人员提供了新的基因网络模拟工具。
-
公开(公告)号：CN101719195B
公开(公告)日：2011-07-20
申请号：CN200910199850.8
申请日：2009-12-03
Applicant: 上海大学
IPC: G06F19/12
Abstract: 本发明公开了一种逐步回归基因调控网络的推断方法，该方法步骤如下：A.读取基因表达数据矩阵和基因扰动数据矩阵；B.确定基因表达数据矩阵和基因扰动数据矩阵是否均为标准化数据；C.对基因表达数据矩阵和基因扰动数据据矩阵分别进行数据归一化均构成标准化数据；D.分析标准化数据，计算所有基因间相关系数矩阵；E.将基因间相关系数矩阵可视化成网络，得到基因调控网络图。该方法能进行最优回归子集的选择，1.因此解决了高维小样本实验数据的问题；2.为目标基因逐步选择最具显著影响的调控子，符合了基因调控网络的真实情况；3.随着基因调控网络规模的增大和网络稀疏度的增加，在计算精度、计算效率上均优于同类方法。
-
-
-
-
-
-
Search Results
17
records
(took 0.026 seconds)
