-
公开(公告)号:CN116153404A
公开(公告)日:2023-05-23
申请号:CN202310182496.8
申请日:2023-02-28
Applicant: 成都信息工程大学
IPC: G16B25/00 , G16B40/00 , G06N3/0455
Abstract: 本发明公开了一种单细胞ATAC‑seq数据分析方法,通过提取单细胞分辨率的染色质可达性特征峰序列中转录因子‑DNA结合基元的所属种类、相对位置、长距离依赖关系等众多转录调控语法规则,从而更全面地表示单个细胞的功能状态和高阶特征。此外,本发明方法利用获取的转录调控语法规则、细胞功能状态和高阶特征,一站式地实现染色质可达性预测、细胞类型注释、染色质可达性图谱降噪、转录因子活性推断等一系列下游分析任务。
-
公开(公告)号:CN115938592B
公开(公告)日:2023-05-05
申请号:CN202310220890.6
申请日:2023-03-09
Applicant: 成都信息工程大学
IPC: G16H50/30 , G06F18/25 , G16B20/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于局部增强图卷积网络的癌症预后预测方法,属于医学技术领域,包括以下步骤:S1:获取多组学数据和通路原始数据,并利用多组学数据路和通路原始数据构建无向图;S2:对无向图进行局部增强;S3:利用图卷积网络对局部增强后的无向图进行特征提取和特征融合,得到整体特征映射组合;S4:根据整体特征映射组合,构建比例风险模型,将整体特征映射组合输入至比例风险模型中,确定患者生存风险。本发明通过对癌症相关组学数据构建图神经网络学习,对患者进行预后预测及分析,可以为生物实验提供一定指导,从而有效减少实验时间与节省实验成本。
-
公开(公告)号:CN115810398A
公开(公告)日:2023-03-17
申请号:CN202211696499.5
申请日:2022-12-28
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于多特征融合的TF‑DNA结合识别方法,包括:S1:获得人类常见组织的五种与转录因子结合相关的原始数据;S2:对多种数据进行预处理;S3:对预处理后的原始数据中的DNA序列数据进行数据编码处理;S4:对预处理后的原始数据中的其他数据进行归一化处理;S5:利用多特征融合的自注意力机制和卷积神经网络对编码后的DNA序列数据和归一化后的数据进行全局依赖提取、特征提取和特征融合,得到整体特征映射组合;S6:根据整体特征映射组合,对多特征融合的TF‑DNA结合识别模型进行训练,得到训练后的多特征融合的TF‑DNA结合识别模型;S7:利用训练后的多特征融合的TF‑DNA结合识别模型对待识别数据进行识别。
-
-