-
公开(公告)号：CN118116463A
公开(公告)日：2024-05-31
申请号：CN202410251565.0
申请日：2024-03-05
Applicant: 上海交通大学
Abstract: 本发明提供了一种突变诱导耐药性信息知识平台系统及构建方法，包括：步骤S1:通过数据采集和预处理层，对历史突变诱导耐药性数据信息进行采集与预处理，得到原始数据；步骤S2:通过数据存储层，存储原始数据；步骤S3:通过数据整合处理层，整合原始数据，形成中间数据；步骤S4:通过数据可视化及访问层，对中间数据进行可视化处理，形成映射数据并传递给前端页面。本发明提供疾病信息和注释，例如，疾病名称、类型、突变与药物的ICD‑11编码，允许用户探索突变、药物与疾病之间的关系，从而增强了数据库的临床适用性，并且整合基因组和蛋白质组数据，允许用户对药物特性和相互作用进行更为复杂的分析。
-
Patent Agency Ranking
公开(公告)号：CN116403731A
公开(公告)日：2023-07-07
申请号：CN202310382801.8
申请日：2023-04-11
Applicant: 上海交通大学
IPC: G16H70/40 , G16B20/50 , G16B30/00 , G06F18/241 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于深度学习的错义突变对临床药效影响预测方法及系统，包括：步骤S1：获取并预处理药物和突变蛋白序列数据集；步骤S2：将药物输入数据进行规范化；步骤S3：将突变蛋白序列输入数据进行规范化；步骤S4：根据规范后的数据搭建深度学习模型，输出预测分类。本发明可以在仅使用药物自身结构属性和突变蛋白序列的条件下进行突变对临床药效影响的预测；由于本发明使用的特征维度较少，本发明支持高通量突变药效影响预测，计算开销小；本发明可以在保持可解释性的前提下，用深度学习方法进行高精度的突变对临床用药影响的预测，且输入特征允许不包含临床用药信息和晶体结构测定实验信息。
-
公开(公告)号：CN113012752A
公开(公告)日：2021-06-22
申请号：CN202110332960.8
申请日：2021-03-29
Applicant: 上海交通大学
Abstract: 本发明涉及计算机技术领域，提供了一种alpha跨膜蛋白二级与拓扑结构预测方法及系统，方法包括：构建深度学习模型：从跨膜蛋白数据库中获取大量的a l pha跨膜蛋白序列作为搭建深度学习模型的数据集，并制作二级结构标签和拓扑结构标签；采用独热编码和HHb l its属性作为输入模型的特征进行特征编码，并对独热编码和HHb l its属性的末尾添加列进行补齐，以适应长度一固定长度的滑窗；针对于a l pha跨膜蛋白序列中的每一个残基，经过滑窗之后，得到一张特征图，每个特征图对应包括二级结构标签和拓扑结构标签在内的两个标签；将新的a l pha跨膜蛋白序列输入深度学习模型，执行数据预处理、特征编码和预测输出。具有能够同时预测a l pha跨膜蛋白的二级结构和拓扑结构的优点。
-
公开(公告)号：CN118557150A
公开(公告)日：2024-08-30
申请号：CN202410646828.8
申请日：2024-05-23
Applicant: 上海交通大学
IPC: A61B5/00 , A61B5/369 , A61B5/372 , G06V10/40 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/0442
Abstract: 本发明提供了一种基于脑电数据进行癫痫发作检测和自动标注的方法和系统，包括：步骤1：获取存在癫痫发作可能性的脑电图记录，并进行预处理；步骤2：搭建基于深度学习的SC‑LSTM模型，包括两个并行的特征提取模块和一个分类模块，用于癫痫脑电图的特征提取、特征选择融合和癫痫检测分类。本发明采用的深度学习技术可以自动从EEG信号中捕获有效特征，并实现端到端的癫痫发作检测，将深度学习技术应用于癫痫发作检测可以减轻神经科医生的工作负担，促进工作效率，并提高检测准确性。
-
公开(公告)号：CN117558340A
公开(公告)日：2024-02-13
申请号：CN202311545834.6
申请日：2023-11-17
Applicant: 上海交通大学
Abstract: 本发明提供了一种非编码突变诱导的风险基因表达上下调控预测方法和系统，包括：步骤1：获取数据集并进行预处理；步骤2：非编码突变到基因转录起始点TSS之间信息输入规范化；步骤3：非编码突变信息输入规范化；步骤4：序列长度对齐及表示学习框架；步骤5：嵌入特征合并与预测输出。本发明通过和染色质可及性测序数据的匹配迁移到任意组织或细胞类型，做出精确可靠的预测，并利用注意力机制赋予模型可解释性。
-
公开(公告)号：CN116153527A
公开(公告)日：2023-05-23
申请号：CN202310215361.7
申请日：2023-03-07
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于注意力机制的精神药物联合用药副作用预测方法和系统，包括：步骤1：在药物数据库中获取有药物相互作用标注的精神药物‑药物联合用药对，并划分为训练集、验证集和测试集；步骤2：搭建深度学习模型，所述深度学习模型包括首尾相连的全局注意力层、多头注意力层、标准化级联层、全局平均池化层和归一化输出层；步骤3：模型在训练集上进行拟合，在验证集上进行评价，以选出最优模型，最终在测试集上进行预测验证。本发明填补了在精神药物联合用药副作用预测上的空白，仅使用药物本身的结构信息和酶信息等，在允许特征空缺的情况下做出精确可靠的预测，并利用注意力机制赋予模型可解释性。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
