-
-
公开(公告)号:CN109767817A
公开(公告)日:2019-05-17
申请号:CN201910039475.4
申请日:2019-01-16
Applicant: 南通大学
Abstract: 一种基于神经网络语言模型的药物潜在不良反应发现方法,涉及药物潜在不良反应发现方法领域,包括以下步骤,数据获取及清洗;模型优化,修改原始的Skip-gram算法,用于从FDA的AERS报告和DrugBank DDI数据集中进行特征提取;拓展相互作用库,选取5种不良反应大类:肾损伤、心脏毒性、肝毒性、血压异常和神经毒性,以这5种不良反应大类作为Logistic回归验证药物、不良反应向量的范围并在这5大类范围内拓展DrugBank药物相互作用库;Logistic回归验证向量效果,使用Scikit-learn完成CM-TF-IDF模型构建及分布式向量生成。该基于神经网络语言模型的药物潜在不良反应发现方法,解决了现有的方法数据处理速度较慢,不适合处理大规模数据集,同时不能快速进行特征学习的问题。
-
公开(公告)号:CN102732632A
公开(公告)日:2012-10-17
申请号:CN201210231259.8
申请日:2012-07-04
Applicant: 南通大学附属医院
Abstract: 本发明公开了一种miR-202实时荧光定量PCR检测方法,包括)外周血中单个核细胞的分离、细胞中总RNA的提取、逆转录合成cDNA反应体系、荧光定量PCR扩增检测。本发明操作方便、检测准确;所采用的实时荧光定量PCR检测方法,巧妙地运用PCR技术的DNA高效扩增,高效、灵敏地检测miR-202。
-
-