大豆MYB转录因子基因提高大豆异黄酮生物合成的应用

    公开(公告)号:CN106047889A

    公开(公告)日:2016-10-26

    申请号:CN201610389577.5

    申请日:2016-06-03

    Applicant: 吉林大学

    Abstract: 本发明涉及一种大豆MYB转录因子基因提高大豆异黄酮生物合成的应用,属于基因工程技术领域。GmMYB9基因大小为1188bp,编码395个氨基酸;酵母单杂交实验结果表明GmMYB9具有转录激活活性,亚细胞定位结果证明GmMYB9定位在细胞核中;实时荧光定量PCR结果表明GmMYB9在大豆未成熟胚向成熟种子发育过程中的表达趋势与异黄酮的积累趋势一致,在高异黄酮品种中的表达量高于异黄酮含量低的品种;转化GmMYB9基因的T2代转基因大豆种子和叶片中的异黄酮含量均有提高,证明GmMYB9基因参与调控大豆异黄酮的生物合成,对培育高异黄酮大豆品种具有重要意义。

    基于本体的情境搜索方法
    33.
    发明授权

    公开(公告)号:CN103064945B

    公开(公告)日:2016-01-06

    申请号:CN201210575284.8

    申请日:2012-12-26

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于本体的情境搜索方法,旨在克服现有技术存在精准度不够、个性化不足、智能性缺失与情境被忽视等问题。该方法的步骤为:1.由网页情境解析与表示模块对采集到的网页进行解析并表示网页情境信息;2.由用户情境挖掘与表示模块实现用户情境挖掘与表示并和第1步骤同时进行,3.由情境索引模块设计融入网页情境信息的索引结构;4.由情境扩展模块实现情境扩展即形成查询情境,所述的情境扩展是指利用用户情境,在情境级别上对查询词进行扩展,限定查询词所属的语境,形成查询情境;5.由情境查询处理模块实现情境查询处理:其步骤为:1)情境推荐;2)情境检索;3)情境排序;排序之后的结果就可以提供到用户查询界面中。

    基于因果推理的反事实问答方法

    公开(公告)号:CN117573825A

    公开(公告)日:2024-02-20

    申请号:CN202311542239.7

    申请日:2023-11-17

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于因果推理的反事实问答方法,旨在克服现有技术存在的对问答任务存在的语言偏差,解决了问答任务可解释性和鲁棒性差等问题。该方法的步骤为:1.通过因果推理针对问答任务进行因果分析,构架问答任务的结构因果模型2.通过结构因果模型设计反事实变量控制问答任务3.基于BERT的问答模型基线,并在此基础上设计基于因果推理的由鲁棒分支和捷径分支组成的多分支集成训练框架问答模型。

    大豆脂酰-酰基载体蛋白硫酯酶GmFATA2基因及应用

    公开(公告)号:CN114958880B

    公开(公告)日:2023-08-29

    申请号:CN202210357829.1

    申请日:2022-04-06

    Applicant: 吉林大学

    Abstract: 本发明适用于分子生物学与分子育种领域,提供了大豆脂酰‑酰基载体蛋白硫酯酶GmFATA2基因及应用,包括:大豆脂酰‑酰基载体蛋白硫酯酶GmFATA2基因碱基序列如SEQ ID NO.1,所述SEQ ID NO.1由1128个碱基组成,所述大豆脂酰‑酰基载体蛋白硫酯酶GmFATA2基因编码蛋白质的氨基酸序列如SEQ ID NO.2,所述SEQ ID NO.2由375个氨基酸残基组成,包含4个Hot‑dog结合域,自氨基端的第85至371位氨基酸残基。采用本发明提供的高油酸转基因大豆的培育方法生产出的含有GmFATA2基因的转基因大豆,总脂肪酸含量改变并不明显,但其油酸含量有明显提高,对改良大豆的油分含量,特别是培育高油酸大豆品种具有重要意义。

    基于超图卷积的超边链接预测方法

    公开(公告)号:CN112417219B

    公开(公告)日:2022-07-01

    申请号:CN202011276695.8

    申请日:2020-11-16

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于超图卷积的超边链接预测方法,旨在通过采用超边建模网络数据中的多元关联关系,实现潜在超边链接关系的预测,从而克服基于成对关系的网络数据进行研究的传统方法所带来的局限。该模型的步骤为:1.通过特征提取构建特征矩阵,将原始网络邻接矩阵转换为超图关联矩阵;2.融合超图卷积实现超图卷积自动编码器,将超图网络数据转换成一种低维空间表示;3.加入节点近邻度函数,最大程度的保留其结构信息;4.通过迭代优化获得鲁棒的隐层向量表示从而预测潜在的超边关联关系。

    一种融合异质信息网络的可解释推荐系统方法

    公开(公告)号:CN112380434A

    公开(公告)日:2021-02-19

    申请号:CN202011276253.3

    申请日:2020-11-16

    Applicant: 吉林大学

    Abstract: 本发明涉及一种融合异质信息网络的可解释推荐系统方法,特别涉及一种基于元路径和深度神经网络方法的的离线推荐系统方法。该方法应用元路径在异质信息网络上提取辅助信息生成的相似度矩阵作为补充信息。应用矩阵分解方法对相似度矩阵进行矩阵分解,得到对应元路径的多组用户和商品的特征表示。利用注意力神经网络来区分组合基于不同类型元路径获得的表示,最后利用深度神经网络来组合表示向量得到预测评分,同时选择重要的元路径生成解释。

Patent Agency Ranking