-
公开(公告)号：CN116758982A
公开(公告)日：2023-09-15
申请号：CN202310721078.1
申请日：2023-06-15
Applicant: 大连海事大学
IPC: G16B20/30 , G16B30/00 , G16B40/00 , G06N3/045 , G06N3/0475 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/094
Abstract: 本发明提供了基于双生成器WGAN‑GP的戊二酰化位点预测方法及装置，包括：获取戊二酰化蛋白质数据，以赖氨酸残基为窗口中心，设置固定窗口大小截取序列片段，戊二酰化样本为正样本，非戊二酰化样本为未标记样本；建立并训练可靠非戊二酰化位点选取模型，可靠非戊二酰化位点选取模型采用WGAN‑GP，包括：两个生成器和一个鉴别器；利用可靠非戊二酰化位点选取模型中的鉴别器从未标记样本选取可靠负样本；基于戊二酰化位点和可靠非戊二酰化位点信息进行戊二酰化位点预测，得到戊二酰化位点和非戊二酰化位点的预测结果。本发明能够提升用于模型训练的非戊二酰化位点纯度，提高戊二酰化位点预测的准确性和可靠性。
-
公开(公告)号：CN117612636A
公开(公告)日：2024-02-27
申请号：CN202311498892.8
申请日：2023-11-10
Applicant: 大连海事大学
IPC: G16C20/50 , G16C20/70 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了结合图神经网络和对比学习的药物‑靶点预测方法及系统，本发明不仅考虑了药物蛋白质的宏观信息和微观信息，还通过构建药物蛋白质对的语义图来捕获药物和蛋白质之间全面而深刻的关系，最后通过一种对比学习方法来进行邻居对比损失的学习，因为对比学习作为一种优秀的判别式模型，着重于学习同类实例之间的共同特征，区分非同类实例之间的不同之处。与生成式学习比较，对比式学习不需要关注实例上繁琐的细节，只需要在抽象语义级别的特征空间上学会对数据的区分即可，因此模型以及其优化变得更加简单，且泛化能力更强。
-
公开(公告)号：CN115798598A
公开(公告)日：2023-03-14
申请号：CN202211461527.5
申请日：2022-11-16
Applicant: 大连海事大学
IPC: G16B40/20 , G06F18/22 , G06F18/25 , G06N3/0464 , G06F17/16
Abstract: 本发明提供了一种基于超图的miRNA‑疾病关联预测模型及方法，涉及计算机生物信息技术领域，首先对miRNA和疾病构建多种相似性网络，进行相似性特征提取，针对miRNA与疾病对构建包含一定数量超节点的超图，发掘有价值的潜在特征，然后自适应学习节点特征并通过注意力融合多个通道的特征，获得最终的特征表示以预测关联得分。本发明不仅采用注意力机制融合来自不同相似性网络和来自多个通道的特征表示，还引入超节点建立miRNA与疾病节点间更高质量的连接，构建超图自适应学习节点特征表示。本发明针对所有miRNA与疾病对构建超图，并非单纯依靠已知关联关系，这对发掘潜在的miRNA与疾病关联关系是十分有意义的，对于实际疾病诊断与治疗以及后续药物的研发存在一定价值。
-
公开(公告)号：CN115798598B
公开(公告)日：2023-11-14
申请号：CN202211461527.5
申请日：2022-11-16
Applicant: 大连海事大学
IPC: G16B40/20 , G06F18/22 , G06F18/25 , G06N3/0464 , G06F17/16
Abstract: 本发明提供了一种基于超图的miRNA‑疾病关联预测模型及方法，涉及计算机生物信息技术领域，首先对miRNA和疾病构建多种相似性网络，进行相似性特征提取，针对miRNA与疾病对构建包含一定数量超节点的超图，发掘有价值的潜在特征，然后自适应学习节点特征并通过注意力融合多个通道的特征，获得最终的特征表示以预测关联得分。本发明不仅采用注意力机制融合来自不同相似性网络和来自多个通道的特征表示，还引入超节点建立miRNA与疾病节点间更高质量的连接，构建超图自适应学习节点特征表示。本发明针对所有miRNA与疾病对构建超图，并非单纯依靠已知关联关系，这对发掘潜在的miRNA与疾病关联关系是十分有意义的，对于实际疾病诊断与治疗以及后续药物的研发存在一定价值。
-
-
-
Search Results
4
records
(took 0.019 seconds)
