-
Patent Agency Ranking
公开(公告)号：CN118467287B
公开(公告)日：2025-03-21
申请号：CN202410545118.6
申请日：2024-05-06
Applicant: 华南生物医药研究院 , 中国人民解放军军事科学院军事医学研究院
Abstract: 本发明提供了一种自动化蛋白质组质谱仪运维与数据质控系统，包括：质谱电脑端，用于采集仪器的质谱文件以及获取仪器的监控文件；搜库电脑端，用于对质谱文件进行搜库、分析处理得到搜库结果信息文件、质控文件；消息发送端，获取搜库结果信息文件、质控文件、监控文件，并发送至对应人员。本发明设置质谱电脑端质谱文件进行自动采集，同时获取仪器的状态信息，随后通过搜库电脑端进行搜库以及数据处理，最终通过消息发送端将搜库结果信息文件、质控文件、监控文件发送至对应人员，实现搜库流程的自动化处理与搜库结果自动提取与发送，减少人工介入。
-
公开(公告)号：CN118467287A
公开(公告)日：2024-08-09
申请号：CN202410545118.6
申请日：2024-05-06
Applicant: 华南生物医药研究院 , 中国人民解放军军事科学院军事医学研究院
Abstract: 本发明提供了一种自动化蛋白质组质谱仪运维与数据质控系统，包括：质谱电脑端，用于采集仪器的质谱文件以及获取仪器的监控文件；搜库电脑端，用于对质谱文件进行搜库、分析处理得到搜库结果信息文件、质控文件；消息发送端，获取搜库结果信息文件、质控文件、监控文件，并发送至对应人员。本发明设置质谱电脑端质谱文件进行自动采集，同时获取仪器的状态信息，随后通过搜库电脑端进行搜库以及数据处理，最终通过消息发送端将搜库结果信息文件、质控文件、监控文件发送至对应人员，实现搜库流程的自动化处理与搜库结果自动提取与发送，减少人工介入。
-
公开(公告)号：CN114694748B
公开(公告)日：2022-10-28
申请号：CN202210162480.6
申请日：2022-02-22
Applicant: 中国人民解放军军事科学院军事医学研究院
Abstract: 本发明公开了一种基于预后信息与强化学习的蛋白质组学分子分型方法，其步骤包括：1)获取发现队列与验证队列数据中的共鉴定蛋白，将共鉴定蛋白与发现队列所对应数据中的差异表达蛋白的交集分别作为发现队列、验证队列的蛋白质表达矩阵的特征，得到发现队列的蛋白质表达矩阵Xs、验证队列的蛋白质表达矩阵Xt；3)构建深度神经网络模型，包括分类器与增强学习奖励基线估计器；4)利用蛋白质表达矩阵Xs及对应的分类标签、蛋白质表达矩阵Xt及对应的预后信息，训练深度神经网络模型；5)将待处理蛋白质组数据输入训练后的分类器，得到其分子亚型。本发明既能有效保证带拓展分子分型在验证集上的预后区分度，又规避了对分类器模型的过度依赖。
-
公开(公告)号：CN117649884A
公开(公告)日：2024-03-05
申请号：CN202311213717.X
申请日：2023-09-20
Applicant: 中国人民解放军军事科学院军事医学研究院
IPC: G16B40/20 , G16B15/20 , G06N3/0455 , G06N3/0985 , G06F18/214 , G06F18/21
Abstract: 本发明公开了一种基于预后回归与领域泛化技术的蛋白质组学分子分型方法，其步骤包括：选取1个发现队列与n‑1个扩展队列，对每一队列对应的蛋白质组表达矩阵进行预处理，得到n个队列的共鉴定蛋白；2)构建深度神经网络模型，所述深度神经网络模型包括编码器、亚型分类器与队列分类器；3)通过队列留一法，划分所述发现队列、扩展队列，得到训练集、验证集与测试集；4)利用训练集训练优化深度神经网络模型；5)利用验证集验证深度神经网络模型的性能，优化调整超参数；6)将测试集的蛋白质组数据输入编码器与亚型分类器，得到分子亚型预测结果；7)将一待预测的蛋白质组数据输入编码器与亚型分类器，得到蛋白质组学分子分型。
-
公开(公告)号：CN114694748A
公开(公告)日：2022-07-01
申请号：CN202210162480.6
申请日：2022-02-22
Applicant: 中国人民解放军军事科学院军事医学研究院
Abstract: 本发明公开了一种基于预后信息与强化学习的蛋白质组学分子分型方法，其步骤包括：1)获取发现队列与验证队列数据中的共鉴定蛋白，将共鉴定蛋白与发现队列所对应数据中的差异表达蛋白的交集分别作为发现队列、验证队列的蛋白质表达矩阵的特征，得到发现队列的蛋白质表达矩阵Xs、验证队列的蛋白质表达矩阵Xt；3)构建深度神经网络模型，包括分类器与增强学习奖励基线估计器；4)利用蛋白质表达矩阵Xs及对应的分类标签、蛋白质表达矩阵Xt及对应的预后信息，训练深度神经网络模型；5)将待处理蛋白质组数据输入训练后的分类器，得到其分子亚型。本发明既能有效保证带拓展分子分型在验证集上的预后区分度，又规避了对分类器模型的过度依赖。
-
-
-
-
Search Results
5
records
(took 0.037 seconds)
