-
公开(公告)号：CN119360951B
公开(公告)日：2025-05-09
申请号：CN202411906873.9
申请日：2024-12-24
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及生物技术领域，特别涉及基于矩阵增强和协作双矩阵补全的SM‑miRNA关联预测方法，包括以下步骤：步骤1、通过高斯径向基函数分别增强综合的SM相似性矩阵和综合的miRNA相似性矩阵的精度；步骤2、通过截断schatten p‑范数最小化获得一个在[0,1]范围内的概率值，并将获得的概率值替换SM‑miRNA关联矩阵的缺失数据，更新SM‑miRNA关联矩阵；步骤3、对步骤2中更新后的SM‑miRNA关联矩阵进行截断矩阵分解，分解后结合步骤1中增强后的综合的SM相似性矩阵和综合的miRNA相似性矩阵计算，获得预测得分矩阵，并根据预测得分矩阵预测结果，通过上述技术方案，本发明具有提高相似度量的准确性和模型计算速度、预测时全面且灵活的优点。
-
公开(公告)号：CN119626348A
公开(公告)日：2025-03-14
申请号：CN202411833243.3
申请日：2024-12-13
Applicant: 中国石油大学(华东)
IPC: G16B40/30 , G06N3/0895 , G06F18/23213
Abstract: 本发明属于生物信息学技术领域，特别涉及一种基于深度协同对比学习的单细胞多组学数据聚类框架。本发明中的框架充分利用细胞间的关联关系，同时进一步加强同一细胞在不同组学数据间的特征交互，以实现多组学数据的高效聚类。为了充分利用细胞间的拓扑信息，本发明设计了在不同组学下的图自编码器与特征信息增强模块，实现对细胞的特征进行提取与信息增强。同时，引入了对比学习技术加强同一细胞不同组学特征间的交互，最后通过多组学深度协同聚类模块实现单细胞多组学聚类。
-
公开(公告)号：CN119296637A
公开(公告)日：2025-01-10
申请号：CN202411844496.0
申请日：2024-12-16
Applicant: 中国石油大学(华东)
Abstract: 本发明属于生物信息和计算机技术领域，特别涉及基于矩阵补全和双策略图推理的药物‑疾病关联预测方法。该方法首先计算药物和疾病的高斯核和拉普拉斯核相似度，然后使用非线性融合技术对其进行融合。该方法以药物‑疾病异构网络的邻接矩阵为目标矩阵，通过截断反正切秩最小化来增强药物‑疾病关联网络边缘的鲁棒性和可形成性。该方法主要关注药物和疾病的邻近节点，过滤掉更远节点的潜在噪声。此外，该方法基于药物‑疾病异构网络采用自上向下和自下向上的策略来预测药物‑疾病关联。双策略的协同作用可以增强对异构图中复杂结构和跨域关联的综合处理能力，保证网络中丰富的信息得到充分利用。
-
公开(公告)号：CN119360951A
公开(公告)日：2025-01-24
申请号：CN202411906873.9
申请日：2024-12-24
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及生物技术领域，特别涉及基于矩阵增强和协作双矩阵补全的SM‑miRNA关联预测方法，包括以下步骤：步骤1、通过高斯径向基函数分别增强综合的SM相似性矩阵和综合的miRNA相似性矩阵的精度；步骤2、通过截断schatten p‑范数最小化获得一个在[0,1]范围内的概率值，并将获得的概率值替换SM‑miRNA关联矩阵的缺失数据，更新SM‑miRNA关联矩阵；步骤3、对步骤2中更新后的SM‑miRNA关联矩阵进行截断矩阵分解，分解后结合步骤1中增强后的综合的SM相似性矩阵和综合的miRNA相似性矩阵计算，获得预测得分矩阵，并根据预测得分矩阵预测结果，通过上述技术方案，本发明具有提高相似度量的准确性和模型计算速度、预测时全面且灵活的优点。
-
Patent Agency Ranking
公开(公告)号：CN116884527A
公开(公告)日：2023-10-13
申请号：CN202310968690.9
申请日：2023-08-03
Applicant: 中国石油大学(华东)
Abstract: 本发明提供了一种融合高低阶信息有效识别药物‑靶标相互作用预测方法，涉及生物信息、深度学习领域。首先，我们整合药物和靶标的多源数据，分别构建药物和靶标超图关联矩阵。然后，基于构建的药物和靶标超图关联矩阵提取药物和靶标的高阶关联信息，并将其与药物靶标低阶关联信息整合到一个网络中。自整合得到的药物靶标网络，从共用不同实体角度出发，构建药物‑靶标对超图网络结构；从特征角度出发，根据KNN思想构建药物‑靶标对拓扑网络结构。并将充分融合药物‑靶标对的超图网络结构(高阶关联)信息和拓扑网络结构(低阶关联)信息输入到深层神经网络中实现药物‑靶标对的二分类任务。使用自适应梯度下降优化算法优化模型，迭代提升药物‑靶标相互作用预测的准确率。
-
公开(公告)号：CN116128018A
公开(公告)日：2023-05-16
申请号：CN202310139317.2
申请日：2023-02-21
Applicant: 中国石油大学(华东)
IPC: G06N3/045 , G06N3/0475 , G06N3/082 , G06N3/084
Abstract: 本发明提供了一种基于生成对抗网络的miRNA‑疾病相互作用预测方法，涉及生物信息、深度学习领域。首先，我们整合miRNA和疾病的多源数据，构建两个疾病相似性网络以及四个miRNA相似性网络。然后，通过非线性融合方法，将这些不同的相似性网络分别集成到miRNA和疾病的综合相似性网络中。基于miRNA和疾病的综合相似性分别构建miRNA和疾病的相似性网络，再利用已知的miRNA‑疾病相互作用来连接这两个相似网络，来构建最终的miRNA‑疾病网络，并定义了一个目标矩阵来表示它。最后将目标矩阵输入到构建的生成对抗网络，补全矩阵以获得最后的相互作用得分。使用用动量随机梯度下降算法优化模型，不断提升miRNA‑疾病相互作用预测的准确率。
-
公开(公告)号：CN119312837A
公开(公告)日：2025-01-14
申请号：CN202411873872.9
申请日：2024-12-19
Applicant: 中国石油大学(华东)
IPC: G06N3/042 , G06N3/045 , G06N3/084 , G06N3/0985 , G06F18/241
Abstract: 本发明涉及图神经网络架构技术领域，具体说是基于拓扑和语义引导的图神经网络架构。它包括：图拓扑挖掘模块S1，用于提取图任务的拓扑特征；图语义挖掘模块S2，用于提取图任务的语义特征；特征提取模块S3，特征提取模块使用全连接网络作为特征提取算子；选择模块和交叉和变异模块。通过上述技术方案，本发明解决了图神经网络信息提取层迭代过多导致的特征退化，在图挖掘方面存在重叠、不足且难以彼此互补的问题。
-
公开(公告)号：CN116030894A
公开(公告)日：2023-04-28
申请号：CN202310107640.1
申请日：2023-02-10
Applicant: 中国石油大学(华东)
IPC: G16B40/00
Abstract: 本发明公开一种癌症亚型关键基因筛选方法、系统、电子设备及存储介质，涉及基因识别技术领域。该方法包括获取目标癌症亚型的癌症样本数据及对应正常样本数据；根据差异表达向量运算公式，计算癌症样本数据中各基因数据与正常样本数据中对应的基因数据之间的差异表达向量；根据差异表达向量，构建癌症样本数据中的各基因数据与目标癌症亚型之间的单基因相似性网络；基于单基因相似性网络，对癌症样本数据中各基因数据的特异性得分进行筛选，确定多个筛选基因；根据各筛选基因及对应的单基因相似性网络，构建基因‑基因相似性网络；根据基因‑基因相似性网络和RI/ARI指标确定关键基因。本发明能够提高得到的关键基因与癌症亚型之间的关联性。
-
公开(公告)号：CN119670804A
公开(公告)日：2025-03-21
申请号：CN202411741804.7
申请日：2024-11-29
Applicant: 中国石油大学(华东)
Abstract: 本发明属于人工智能神经网络技术领域，特别涉及一种从卷积神经网络到图神经网络的算法模型迁移方法。本发明提出了“卷积桥”的创新概念，这是一种旨在优化从卷积神经网络到图神经网络的跨域迁移过程的重要机制。该桥有效地对齐了卷积神经网络和图神经网络之间的数据结构，促进了基于卷积神经网络的模型向图领域的无缝迁移。通过卷积桥，本发明成功地将Inception架构和U‑Net架构从卷积神经网络迁移到图神经网络，形成了GraInc模型和GraU‑Net模型。GraInc模型和GraU‑Net模型表现出显著的竞争力，特别是在密集图数据集上。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.028 seconds)
