-
公开(公告)号：CN115458075A
公开(公告)日：2022-12-09
申请号：CN202211150067.4
申请日：2022-09-21
Applicant: 辽宁大学
Abstract: 一种通过嵌入分子异构边特征的图注意力网络预测化合物毒性的方法，包括以下步骤：步骤1、对数据进行预处理，生成分子图；步骤2、提取分子的异构边特征；步骤3、将异构边特征嵌入分子图，并给予一定的权重；步骤4、构建图注意力网络并使用新的分子图建模，将训练好的模型用于预测。本发明考虑到了分子中的异构边特征，利用图注意力网络对分子图建模，将异构边特征融合进分子图中，更好地提高了对化合物致突变性、心脏毒性等毒性的预测正确率。
-
公开(公告)号：CN105755156A
公开(公告)日：2016-07-13
申请号：CN201610307673.0
申请日：2016-05-11
Applicant: 辽宁大学
CPC classification number: C12Q1/689
Abstract: 本发明涉及一种杀鲑气单胞菌特异性引物及其在大菱鲆养殖过程中的应用。本发明设计的杀鲑气单胞菌特异性引物由上游引物F：GGGCTCGCTATGACCAGTAT和下游引物R：GAGTGACCTTGAGCTTGACG构成。本发明设计的杀鲑气单胞菌特异性引物，能有效从各常见致病菌株中区分出杀鲑气单胞菌，表现出很强的特异性和灵敏性。本发明所提供的在大菱鲆养殖过程中杀鲑气单胞菌的PCR检测方法，使得养殖过程中杀鲑气单胞菌的检测更为简便。本发明检测方法的确立为今后大菱鲆养殖过程中高发致病菌的检测和分析提供了必要的理论依据和完善的方法体系，为促进我国养殖产业的规模化健康发展奠定了基础。
-
公开(公告)号：CN104480132A
公开(公告)日：2015-04-01
申请号：CN201410677516.X
申请日：2014-11-21
Applicant: 辽宁大学
Abstract: 本发明公开了一种人核仁磷酸化蛋白NOLC1的原核表达和纯化方法。涉及基因工程技术领域。本发明中构建pET28a-NOLC1原核表达载体，并将其转化于BL21菌株中，经诱导产生His-NOLC1融合蛋白，使用镍离子螯合柱(Ni-NTA)纯化菌体破碎后的上清以获得较为单一的融合蛋白，纯化后的蛋白可为抗肿瘤细胞的药物靶点设计提供理论依据，从而为NOLC1蛋白在临床中的应用提出新的视角和途径。
-
公开(公告)号：CN103602738A
公开(公告)日：2014-02-26
申请号：CN201310566790.5
申请日：2013-11-12
Applicant: 辽宁大学
CPC classification number: C12Q1/686 , C12Q2537/143 , C12Q2531/113
Abstract: 本发明涉及一种快速鉴定扇贝品种的多重PCR引物及方法。属于应用生物技术领域。快速鉴定扇贝品种的多重PCR引物，由栉孔扇贝引物、华贵栉孔扇贝引物、海湾扇贝引物和虾夷扇贝引物组成。鉴定方法包括以下步骤：提取扇贝基因组总DNA，进行多重PCR扩增，根据琼脂糖凝胶电泳检测PCR产物大小判定待检测扇贝种类。栉孔扇贝、海湾扇贝、虾夷扇贝和华贵栉孔扇贝的PCR产物条带大小分别为514bp、367bp、205bp和149bp。本发明的鉴定引物及多重PCR方法可以灵敏、快速地确定待检测扇贝样品的种类，较传统检测方法具有操作简单、可重复性强、成本低等优点。
-
公开(公告)号：CN115341049A
公开(公告)日：2022-11-15
申请号：CN202211167550.3
申请日：2022-09-23
IPC: C12Q1/6895 , C12N15/11 , G16B20/00
Abstract: 本公开涉及生物技术领域，提供了基于蒙特卡洛法的转基因作物成分检测方法及装置。该方法包括：若根据实时荧光PCR检测结果判断待测样品集为混杂有复合品系的混杂样品集，待测样品集包括多个待测样品，则对混杂样品集进行单样品多靶点检测，得到每一个待测样品对应的多靶点检测结果；根据多靶点检测结果，确定混杂样品集中的复合品系对应的单一品系之间的品系分布阈值；基于蒙特卡洛法对混杂样品集进行品系分布分析，得到混杂样品集中的品系分布图；根据品系分布阈值和品系分布图，确定并输出混杂样品集中的复合品系占比超过半数的概率值。本公开可实现对混杂转基因样品的复合性状检测/监测，可更好地保障转基因作物的安全性。
-
Patent Agency Ranking
公开(公告)号：CN113241114A
公开(公告)日：2021-08-10
申请号：CN202110313020.4
申请日：2021-03-24
Applicant: 辽宁大学
Abstract: 本发明涉及一种基于图卷积神经网络的lncRNA‑蛋白质相互作用预测方法，包括以下步骤：步骤1：对数据进行预处理；步骤2：使用Smith‑Waterman算法计算各lncRNA之间的相似性，生成lncRNA的相似性矩阵；步骤3：使用高斯算法计算各lncRNA之间的高斯相似性，最终的相似性为SW相似性与高斯相似性加和取平均；步骤4：计算各蛋白质之间的相似性，得到蛋白质的相似性矩阵；步骤5：根据得到的相似性矩阵，利用图卷积神经网络提取序列的相似性特征，得到预测结果。本发明考虑到了序列间不同的相似性，利用图卷积模型对序列的相似性特征建模，有效地提取了序列间的相似性特征，更好地利用序列相似性提高了lncRNA‑蛋白质相互作用预测的正确率。
-
公开(公告)号：CN106755552A
公开(公告)日：2017-05-31
申请号：CN201710165410.5
申请日：2017-03-20
Applicant: 辽宁大学
CPC classification number: C12Q1/6895 , C12Q1/686 , C12Q2531/113 , C12Q2565/125
Abstract: 本发明涉及一种水产养殖动物或水产食品中创伤弧菌的PCR检测方法，方法如下：提取水产养殖动物或水产食品的总DNA；以所提取的DNA为模板，采用创伤弧菌特异性引物，进行PCR扩增；所述的创伤弧菌特异性引物是针对创伤弧菌的recA基因的特异性引物P1、toxR基因的特异性引物P2、rpoD基因的特异性引物P3或topA基因的特异性引物P4。根据PCR扩增产物的琼脂糖凝胶呈像结果判断水产养殖动物或水产食品是否被创伤弧菌感染。本发明的方法可快速鉴定致病源，为我国水产养殖动物的安全和水产食品进出口安全提供技术支持。
-
公开(公告)号：CN120052841A
公开(公告)日：2025-05-30
申请号：CN202510142318.1
申请日：2025-02-10
Applicant: 辽宁大学
IPC: A61B5/0205 , A61B5/024 , A61B5/11 , A61B5/00 , G06N3/0464 , G06F17/14
Abstract: 一种基于快速傅里叶变换和卷积神经网络的BCG信号心率计算方法：1)对于BCG信号进行滤波处理，得到BCG信号BCG_F；2)对BCG_F信号进行筛选，计算波形相似性，筛选低于或等于阈值y的信号；3)对于筛选的BCG_F信号进行指数移动标准化；4)对于通过步骤3得到的BCG_standardize信号进行快速傅里叶变换；5)将BCG_standardize信号与通过步骤4得到的BCG_fft输入卷积神经网络模型当中，得到该BCG信号的心率值。本发明通过上述方法，将部分噪音过大的BCG信号进行去除，同时由于快速傅里叶变换和卷积神经网络的参与对于存在一定体动的BCG信号也能精准预测心率。
-
公开(公告)号：CN115762643A
公开(公告)日：2023-03-07
申请号：CN202211208150.2
申请日：2022-09-30
Applicant: 辽宁大学
IPC: G16B40/00 , G16B30/00 , G16B15/30 , G16B5/00 , G06F18/22 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明是一种基于密集连接卷积网络的病毒与宿主间蛋白质相互作用预测方法，包括以下步骤：步骤1：预处理数据；步骤2：使用Word2Vec中Skip‑Gram模型和One‑Hot编码来获得氨基酸的嵌入向量；步骤3：根据蛋白质的词嵌入矩阵，构建密集连接的卷积网络进行特征提取；步骤4：通过PSSM特征矩阵，获得平均的RPM‑PSSM特征描述符；步骤5：根据特征描述符构建全连接神经网络进行特征提取；步骤6：采用concatenate操作进行特征融合，最后将训练好的模型用于预测。本发明对不同的特征进行特征提取，包含了蛋白质进化信息和理化性质，序列中局部关键信息和远程依赖关系，更好地提高了预测的准确率。
-
公开(公告)号：CN115035954A
公开(公告)日：2022-09-09
申请号：CN202210651688.4
申请日：2022-06-10
Applicant: 辽宁大学
Abstract: 一种融合序列及网络嵌入的病毒宿主蛋白‑蛋白相互作用预测方法，步骤1：对数据进行预处理；步骤2：使用Doc2vec方法提取病毒及宿主蛋白质序列特征，对蛋白质序列进行矢量化；步骤3：构建宿主蛋白‑蛋白相互作用网络及病毒蛋白质序列相似性网络；步骤4：使用Node2vec算法提取上述两个网络的特征，将网络矢量化后与序列特征进行数量积；步骤5：根据得到的融合上述两种特征的矩阵，构建长短期记忆网络进行训练，将训练好的模型用于预测。本发明考虑到了蛋白质相互作用的网络特征，利用Node2vec模型对蛋白质相互作用网络特征建模，将网络特征与序列特征融合起来，更好地提高了病毒宿主蛋白‑蛋白相互作用预测的正确率。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.018 seconds)
