-
公开(公告)号：CN117976047B
公开(公告)日：2024-06-18
申请号：CN202410391713.9
申请日：2024-04-02
Applicant: 吉林农业大学
Abstract: 基于深度学习的关键蛋白质预测方法，属于生物信息学技术领域，尤其涉及基于深度学习网络的关键蛋白质预测方法；解决了现有关键蛋白预测方法中用于分类的蛋白质特征过于依赖专家知识和经验参数、无法自适应的学习特征的问题，以及现有方法忽略了蛋白质互作网络中蛋白间的相互作用、没有聚集邻居蛋白的信息的问题，以及现有蛋白质互作网络中存在过多无效蛋白质节点、现有方法没有提取有效蛋白质节点的问题；所述方法包括：将所述加权蛋白质互相作用网络作为所述关键蛋白质预测模型的输入，获得关键蛋白质预测结果。所述基于深度学习的关键蛋白质预测方法，适用于预测关键蛋白质。
-
公开(公告)号：CN115223657B
公开(公告)日：2022-12-06
申请号：CN202211140336.9
申请日：2022-09-20
Applicant: 吉林农业大学
Abstract: 一种药用植物转录调控图谱预测方法，属于生物信息学技术领域。为了解决当前药用植物遗传背景不清晰的问题，本发明搜集人参等药用植物基因组从头测序数据和转录调控网络，采用序列比对法从类比角度将近源物种的denovo全基因组水平转录调控网络迁移到未完全注释的药用植物基因组中；运用图卷积网络、注意力机制等方法构建深度网络学习架构并对共表达转录调控网络模块进行预测；采用社区发现算法，对差异共表达网络模块进行识别，进而揭示待预测药用植物中的主要成分及其生物合成途径。利用该方法搭建的药用植物转录调控网络可视化数据库平台可查询药用植物转录因子、转录因子调控网络、生物通路。
-
公开(公告)号：CN118918957B
公开(公告)日：2025-01-24
申请号：CN202411411713.7
申请日：2024-10-11
Applicant: 吉林农业大学
Abstract: 人参皂苷合成下游途径转录调控机制的预测方法和系统，属于植物调控机制技术领域，解决非模式生物人参的合成下游途径转录调控机制预测无法有效实现问题。本发明的方法包括：通过人工智能领域BERT模型进行迁移学习，例如采用大量植物如拟南芥、水稻等模式植物基因表达数据进行预训练（pre‑train），以获取植物基因的表达模式，再采用人参的基因表达数据对预训练模型进行微调（finetune），以获取药用植物的基因表达专用模式，既考虑了大规模植物的一般性，又关注药用植物的特殊性，提高了网络可信度和可靠性。本发明适用于人参调控网络注释方式。
-
公开(公告)号：CN117976047A
公开(公告)日：2024-05-03
申请号：CN202410391713.9
申请日：2024-04-02
Applicant: 吉林农业大学
Abstract: 基于深度学习的关键蛋白质预测方法，属于生物信息学技术领域，尤其涉及基于深度学习网络的关键蛋白质预测方法；解决了现有关键蛋白预测方法中用于分类的蛋白质特征过于依赖专家知识和经验参数、无法自适应的学习特征的问题，以及现有方法忽略了蛋白质互作网络中蛋白间的相互作用、没有聚集邻居蛋白的信息的问题，以及现有蛋白质互作网络中存在过多无效蛋白质节点、现有方法没有提取有效蛋白质节点的问题；所述方法包括：将所述加权蛋白质互相作用网络作为所述关键蛋白质预测模型的输入，获得关键蛋白质预测结果。所述基于深度学习的关键蛋白质预测方法，适用于预测关键蛋白质。
-
Patent Agency Ranking
公开(公告)号：CN118918957A
公开(公告)日：2024-11-08
申请号：CN202411411713.7
申请日：2024-10-11
Applicant: 吉林农业大学
Abstract: 人参皂苷合成下游途径转录调控机制的预测方法和系统，属于植物调控机制技术领域，解决非模式生物人参的合成下游途径转录调控机制预测无法有效实现问题。本发明的方法包括：通过人工智能领域BERT模型进行迁移学习，例如采用大量植物如拟南芥、水稻等模式植物基因表达数据进行预训练（pre‑train），以获取植物基因的表达模式，再采用人参的基因表达数据对预训练模型进行微调（finetune），以获取药用植物的基因表达专用模式，既考虑了大规模植物的一般性，又关注药用植物的特殊性，提高了网络可信度和可靠性。本发明适用于人参调控网络注释方式。
-
公开(公告)号：CN115690758B
公开(公告)日：2023-08-08
申请号：CN202211587147.6
申请日：2022-12-12
Applicant: 吉林农业大学
Abstract: 本发明涉及计算机视觉领域，公开了一种基于深度度量学习的茶脸验真方法及验真系统。步骤1：对输入的一对茶脸图像进行预处理；所述一对茶脸包括待检测茶脸图像与原茶脸图像；步骤2：建立茶脸特征提取网络并训练；步骤3：将步骤1预处理后的一对茶脸图像分别输入茶脸特征提取网络，得到图像的特征编码；步骤4：基于步骤3图像的特征编码，计算特征编码之间的欧氏距离，得到图像间的相似度指数；步骤5：基于确定的最佳阈值，将步骤4的图像间的相似度指数与最佳阈值进行比较，判断两张茶脸是否相似，若相似则为真，若不相似则为假。本发明用以解决普洱茶饼可追溯性低的问题。
-
公开(公告)号：CN115690758A
公开(公告)日：2023-02-03
申请号：CN202211587147.6
申请日：2022-12-12
Applicant: 吉林农业大学
Abstract: 本发明涉及计算机视觉领域，公开了一种基于深度度量学习的茶脸验真方法及验真系统。步骤1：对输入的一对茶脸图像进行预处理；所述一对茶脸包括待检测茶脸图像与原茶脸图像；步骤2：建立茶脸特征提取网络并训练；步骤3：将步骤1预处理后的一对茶脸图像分别输入茶脸特征提取网络，得到图像的特征编码；步骤4：基于步骤3图像的特征编码，计算特征编码之间的欧氏距离，得到图像间的相似度指数；步骤5：基于确定的最佳阈值，将步骤4的图像间的相似度指数与最佳阈值进行比较，判断两张茶脸是否相似，若相似则为真，若不相似则为假。本发明用以解决普洱茶饼可追溯性低的问题。
-
公开(公告)号：CN115223657A
公开(公告)日：2022-10-21
申请号：CN202211140336.9
申请日：2022-09-20
Applicant: 吉林农业大学
Abstract: 一种药用植物转录调控图谱预测方法，属于生物信息学技术领域。为了解决当前药用植物遗传背景不清晰的问题，本发明搜集人参等药用植物基因组从头测序数据和转录调控网络，采用序列比对法从类比角度将近源物种的denovo全基因组水平转录调控网络迁移到未完全注释的药用植物基因组中；运用图卷积网络、注意力机制等方法构建深度网络学习架构并对共表达转录调控网络模块进行预测；采用社区发现算法，对差异共表达网络模块进行识别，进而揭示待预测药用植物中的主要成分及其生物合成途径。利用该方法搭建的药用植物转录调控网络可视化数据库平台可查询药用植物转录因子、转录因子调控网络、生物通路。
-
公开(公告)号：CN221852680U
公开(公告)日：2024-10-18
申请号：CN202420595972.9
申请日：2024-03-26
Applicant: 吉林农业大学
Abstract: 本实用新型涉及检测试剂盒技术领域，且公开了一种蛋白质分子对接检测用试剂盒，包括盒体，所述盒体的外壁转动连接有盒盖，所述盒体的外壁转动连接有侧盖，所述盒体的内腔固定装配有分隔板，所述盒体的内腔开设有冷藏仓，所述盒体的内腔开设有冰块仓，所述盒体的内腔固定装配有配件盒，所述盒体的内壁开设有滑槽，所述盒体的内腔安装有试管架，所述试管架的外壁固定装配有限位板。该蛋白质分子对接检测用试剂盒，通过设置的隔板和冷藏仓、冰块仓，通过将侧盖打开，随后将冰块放入冰块仓的内腔中，通过隔板将冰块仓和冷藏仓分离，随后即可将需要低温冷藏的检测试剂放入到冷藏仓中，实现对试剂的低温冷藏。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
