-
公开(公告)号:CN116246699B
公开(公告)日:2024-04-26
申请号:CN202211105940.8
申请日:2022-09-07
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G16B20/00 , G16B40/00 , G06F16/36 , G06N3/0464
Abstract: 本发明公开了一种基于知识图谱的合成致死预测方法、设备及存储介质,该方法包括:基于知识图谱卷积网络获得第一基因特征;根据合成致死相互作用网络获得第二基因特征;计算所述第一基因特征和所述第二基因特征的向量内积,预测基因对的合成致死概率。由此解决了当前需要人工设计基因特征,以及无法通过建模合成致死相互作用背后机制的问题,在提升基因对的合成致死预测性能的同时,还提高了模型的可解释性。
-
公开(公告)号:CN117133436A
公开(公告)日:2023-11-28
申请号:CN202311346273.7
申请日:2023-10-17
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于多源数据融合的药物疾病关联预测方法、装置及设备,该方法包括:基于预设元路径在异构网络中进行随机单向游走获得源药物节点的邻域和目标疾病节点的邻域;计算邻域间的嵌入表示,确定虚拟节点之间的归一化的注意力系数;基于归一化的注意力系数确定的邻域间的相互作用表示的标准化注意力值;将标准化注意力值与虚拟节点的嵌入表示融合,将融合获得的药物疾病节点对间边的嵌入表示与对应的初始嵌入特征进行拼接,施加一个多层感知机获得药物疾病对的预测结果。如此,基于预设元路径进行随机游走取样,并基于邻域间嵌入表示、邻域内相互作用结果进行结果预测,提取了异构网络的丰富语义信息,提高模型对药物疾病的预测性能。
-
公开(公告)号:CN117393143A
公开(公告)日:2024-01-12
申请号:CN202311316888.5
申请日:2023-10-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于图表示学习的环状RNA‑疾病关联预测方法、移动设备及存储介质,该方法包括:基于环状RNA及相关信息构建环状RNA的异构网络,所述异构网络包括环状RNA节点和疾病节点;将异构网络中各个节点的特征随机初始化后输入图表示学习模型,通过所述图表示学习模型按预设流程学习各个节点的表示向量;基于环状RNA节点的表示向量和疾病节点的表示向量的内积确定为对应环状RNA与疾病的关联预测得分。如此,通过图表示学习模型学习异构网络中各个节点的表示向量,再基于环状RNA节点和疾病节点的表示向量的内积确定关联预测得分,提高了异构网络构建的灵活性,使得图表示学习模型能获得更丰富的节点表示,提高了环状RNA‑疾病预测的准确性。
-
公开(公告)号:CN116884473A
公开(公告)日:2023-10-13
申请号:CN202310581243.8
申请日:2023-05-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G16B15/20 , G16B40/00 , G06F18/214 , G06F18/241
Abstract: 本发明公开了一种蛋白质功能预测模型生成方法及装置,包括获取训练蛋白质的氨基酸三维原子坐标,并根据其进行图论方法生成蛋白质二维接触图;对训练蛋白质的氨基酸三维原子坐标进行算法处理获取第一特征矩阵,对蛋白质二维接触图进行算法处理获取第二特征矩阵,第一特征矩阵与训练蛋白质的氨基酸三维原子坐标中序列作用位点对应,第二特征矩阵与训练蛋白质的氨基酸三维原子坐标中结构作用折叠结构对应;根据第一特征矩阵和第二特征矩阵分别对应的数据标签训练预先构建的蛋白质功能分类器,得到蛋白质功能预测模型。通过将训练蛋白质的氨基酸结构和序列作为信息源提取特征,提高了预测模型对蛋白质功能的预测精度。
-
公开(公告)号:CN116246699A
公开(公告)日:2023-06-09
申请号:CN202211105940.8
申请日:2022-09-07
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G16B20/00 , G16B40/00 , G06F16/36 , G06N3/0464
Abstract: 本发明公开了一种基于知识图谱的合成致死预测方法、设备及存储介质,该方法包括:基于知识图谱卷积网络获得第一基因特征;根据合成致死相互作用网络获得第二基因特征;计算所述第一基因特征和所述第二基因特征的向量内积,预测基因对的合成致死概率。由此解决了当前需要人工设计基因特征,以及无法通过建模合成致死相互作用背后机制的问题,在提升基因对的合成致死预测性能的同时,还提高了模型的可解释性。
-
-
-
-