公开(公告)号：CN107887023A

公开(公告)日：2018-04-06

申请号：CN201711293802.6

申请日：2017-12-08

Applicant: 中南大学

Inventor： 王建新 ,  严承 ,  张雅妍 ,  李敏

IPC: G16H50/20 ,  G06F19/24

CPC classification number: G06F19/24

Abstract: 本发明公开了一种基于相似性和双随机游走的微生物-疾病关系预测方法，首先利用疾病基因关系和基因功能相似性信息构建疾病功能相似性；再根据已知的微生物疾病关系构建疾病高斯核相似性；在疾病功能相似性和高斯核相似性的基础上集成疾病最终相似性。微生物的相似性来源于已知微生物疾病关系的高斯核相似性。再将微生物相似性信息，疾病相似性信息，已知的微生物疾病关系信息集成到一个双层异构网络中。利用双随机游走方法在异构网络中进行微生物疾病关系预测。本发明能够对微生物疾病之间的关系进行预测，为生物实验提供基础依据，节省其人力物力成本。

公开(公告)号：CN113159194A

公开(公告)日：2021-07-23

申请号：CN202110454133.6

申请日：2021-04-26

Applicant: 中南大学

Inventor： 朱粤婕 ,  王建新 ,  严承 ,  张志

IPC: G06K9/62

Abstract: 本发明公开一种基于属性动态选择与灰度关联分析的缺失值填补方法，所述方法包括以下步骤：1.对包含缺失值的原始数据集基于朴素方法进行初始填补；2.执行属性动态选择，对每个待填补属性筛选出相关性较大的属性用于后续计算；3.执行K近邻距离计算，将高斯核函数优化后的属性间关联系数作为相关权重，得到待填补样本与其他样本间的灰度关联距离，由此距离排序获得最相近的K个邻居；4.根据待填补属性，对K个邻居的对应属性值进行加权计算，将其作为下一次填补初始值并继续迭代，直到两次填补结果收敛于某一阈值，将最后一次填补值作为最终填补值保存。本发明可实现数据处理中缺失值填补，具有适用性广，准确度高等优点。

公开(公告)号：CN106529205B

公开(公告)日：2019-03-26

申请号：CN201610953873.3

申请日：2016-11-03

Applicant: 中南大学

Inventor： 王建新 ,  严承 ,  王伟平 ,  李敏

IPC: G16B15/30

Abstract: 本发明公开了一种基于药物子结构、分子字符描述信息的药物靶标关系预测方法，首先通过数据库获取药物子结构信息、分子字符描述信息和已知的药物靶标关系，然后根据这些药物子结构、药物分子字符描述信息和已知的药物靶标关系、单独构建药物之间的相似性矩阵，再将构建的各个相似性矩阵依照权重集成为最终的药物相似性矩阵；最后基于相似的药物靶向的靶标也相似的特点对药物的靶标关系进行预测。本发明只需要根据药物分子字符描述信息、子结构信息来构建相似性，不依赖于靶标的序列等信息，并能够对全新的药物化合物进行靶标关系预测，避免了生物化学实验所消耗的大量人力物力。实验结果表明，该方法能够较准确的预测药物靶标关系。

公开(公告)号：CN107862179A

公开(公告)日：2018-03-30

申请号：CN201711075296.3

申请日：2017-11-06

Applicant: 中南大学

Inventor： 王建新 ,  倪鹏 ,  严承 ,  李敏 ,  朱晓姝

IPC: G06F19/24 ,  G06F19/20

CPC classification number: G06F19/24 ,  G06F19/20

Abstract: 本发明公开了一种基于相似性和逻辑矩阵分解的miRNA-疾病关联关系预测方法，首先计算出疾病功能相似性和miRNA功能相似性；然后利用已知miRNA疾病关联关系构建疾病高斯核相似性和miRNA高斯核相似性；集成疾病功能相似性和高斯核相似性得到最终的疾病相似性，集成miRNA功能相似性和高斯核相似性得到最终的miRNA相似性。最后基于逻辑矩阵分解模型进行预测miRNA和疾病的潜在特征向量，并根据逻辑回归函数来计算miRNA和疾病对的关联关系分数。本发明也能够对全新miRNA的疾病关系进行预测，避免了生物化学实验室所消耗的人力物力财力准确性高。

公开(公告)号：CN106529205A

公开(公告)日：2017-03-22

申请号：CN201610953873.3

申请日：2016-11-03

Applicant: 中南大学

Inventor： 王建新 ,  严承 ,  王伟平 ,  李敏

IPC: G06F19/16

Abstract: 本发明公开了一种基于药物子结构、分子字符描述信息的药物靶标关系预测方法，首先通过数据库获取药物子结构信息、分子字符描述信息和已知的药物靶标关系，然后根据这些药物子结构、药物分子字符描述信息和已知的药物靶标关系、单独构建药物之间的相似性矩阵，再将构建的各个相似性矩阵依照权重集成为最终的药物相似性矩阵；最后基于相似的药物靶向的靶标也相似的特点对药物的靶标关系进行预测。本发明只需要根据药物分子字符描述信息、子结构信息来构建相似性，不依赖于靶标的序列等信息，并能够对全新的药物化合物进行靶标关系预测，避免了生物化学实验所消耗的大量人力物力。实验结果表明，该方法能够较准确的预测药物靶标关系。