-
公开(公告)号：CN117612734A
公开(公告)日：2024-02-27
申请号：CN202311668816.7
申请日：2023-12-06
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于多样性生物关联网络的miRNA‑疾病关联预测方法及系统，包括：利用多种相似性视图、miRNA和疾病之间的多样性关联信息，构建图注意力网络GAT，通过注意力机制聚合miRNA和疾病的多种关联信息，得到嵌入的miRNA和疾病的多样性特征；根据已被证实的lncRNA和疾病、miRNA和疾病、lncRNA和miRNA之间的关联构建图卷积网络GCN，利用改进GCN算法聚合多种节点的高阶邻居信息，得到嵌入的miRNA和疾病的多种类特征；聚合嵌入的miRNA和疾病的多样性特征和嵌入的miRNA和疾病的多种类特征，获得最终节点表征；基于最终节点表征，预测miRNA与疾病对的关联概率。本发明构建两种网络，同时实现了多种类节点和多样性关联的miRNA‑疾病关联预测，这对发掘潜在的miRNA与疾病关联关系十分有意义。
-
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：CN116189757A
公开(公告)日：2023-05-30
申请号：CN202211567784.7
申请日：2022-12-07
Applicant: 大连海事大学
IPC: G16B15/30 , G16B40/00 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种药物‑靶点相互作用预测方法和系统，从药物、蛋白质的邻居信息及子图出发，提取药物、蛋白质的初始特征，与现有通过全局信息进行属性挖掘的方法不同，更多地关注药物、蛋白质周围的局部信息，提高了特征的质量及有效性。本发明通过药物‑蛋白质对构建多视图网络，将药物‑蛋白质对看成一个整体进行全面、多角度地信息挖掘，获得药物‑蛋白质对的整体特征表示，充分地考虑了药物‑蛋白质之间的结合关系，并且可以将未知的药物或蛋白质添加进网络中，进而对其进行学习预测。本发明有助于提高药物‑蛋白质预测准确度，对发掘潜在的药物‑蛋白质相互作用关系十分有意义，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：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：CN119724331A
公开(公告)日：2025-03-28
申请号：CN202411831800.8
申请日：2024-12-12
Applicant: 大连海事大学
IPC: G16B15/30 , G16B40/00 , G06N3/042 , G06F18/22 , G06F18/213 , G06F18/25 , G16C20/70 , G06N3/0499 , G06N3/045 , G06N3/0464
Abstract: 本发明提供了一种基于几何表征的药物靶点相互作用方法，包括：使用几何增强图神经网络GeoGNN从药物结构图中获取药物结构特征；使用几何编码器从靶点结构图中获取靶点结构特征；将药物综合相似性、靶点综合相似性和药物靶点关联矩阵相结合构成异构网络，利用图神经网络GCN对异构网络进行特征提取，得到药物网络特征和靶点网络特征；将药物结构特征和药物网络特征、靶点结构特征和靶点网络特征分别进行多模态特征融合；从融合后的药物多模态特征和融合后的靶点多模态特征中提取药物和靶点之间的交互信息；基于交互信息，得到更好的药物和靶点的特征，通过分类器预测药物和靶点之间的相互作用概率。本发明提高了药物靶点相互作用预测准确度。
-
Patent Agency Ranking
公开(公告)号：CN119152977A
公开(公告)日：2024-12-17
申请号：CN202411129215.3
申请日：2024-08-16
Applicant: 大连海事大学
IPC: G16C20/50 , G16C20/70 , G16B15/30 , G16B40/00 , G06F18/23 , G06F40/289 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明提供了基于邻域增强图对比学习的药物靶点相互作用预测方法及系统，涉及计算机辅助药物设计技术领域，本发明中，首先通过对药物和靶点序列进行特征编码，将序列信息转成数字向量，通过Transformer编码器和GCN网络进行深度特征提取，使用聚类对比学习更好地学习药物和靶点的特征。与常见的深度学习方法相比，本发明不但可以提取复杂的分子序列，而且融入了网络信息，最重要的是本发明使用一种新颖的聚类算法来进行对比学习，最后双线性解码器用于的药物‑靶点相互作用预测。本发明方法有助于提高药物靶点相互作用预测准确度，有利于缓解标签稀疏性问题，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。
-
公开(公告)号：CN113506593A
公开(公告)日：2021-10-15
申请号：CN202110762918.X
申请日：2021-07-06
Applicant: 大连海事大学
IPC: G16B20/20
Abstract: 本发明公开了一种面向大规模基因调控网络的智能推断方法，其包括在基因表达数据点分布的两维空间中，使用网格划分数据空间，使落在格子中的数据点的频率作为联合概率分布函数的估计，并确定基因x和基因y表达值之间的互信息；在不同大小的网格中计算互信息获得最大互信息系数，并得到靶基因的关键调控基因集；利用关键调控基因重要性融合算法计算调控基因对靶基因的重要性，得到重要性矩阵；在重要性矩阵中保留控制强度超过设定阈值的调控关系，控制强度超过设定阈值的调控关系构成基因调控网络。本方法针对大规模基因调控网络中关键调控基因的稀疏性，排除冗余基因表达信息，有效提高了计算效率，可以提高推断调控关系的准确度。
-
公开(公告)号：CN119207775A
公开(公告)日：2024-12-27
申请号：CN202411325535.6
申请日：2024-09-23
Applicant: 大连海事大学
IPC: G16H50/20 , G06F18/2133 , G06F18/213 , G06F18/22 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种代谢物‑疾病关联预测方法及系统，涉及生物信息学技术领域，包括：构建基于NMF和ZINB图自动编码器的代谢物‑疾病关联预测模型；模型包括：非负矩阵分解NMF模块用于将代谢物‑疾病关联矩阵分解为两个低秩的矩阵，得到疾病和代谢物低维特征；基于ZINB的图自动编码器包括：GCN编码器与ZINB解码器，GCN对代谢物综合相似性矩阵、疾病综合相似性矩阵和代谢物‑疾病关联矩阵进行编码，输出作为疾病和代谢物包含图结构和数据特点的特征；双线性解码器基于疾病和代谢物低维特征和包含图结构和数据特点的特征进行预测；利用模型，得到代谢物和疾病有关联或无关联的预测结果。本发明能够提高预测的准确性和可靠性。
-
公开(公告)号：CN113506593B
公开(公告)日：2024-04-12
申请号：CN202110762918.X
申请日：2021-07-06
Applicant: 大连海事大学
IPC: G16B20/20
Abstract: 本发明公开了一种面向大规模基因调控网络的智能推断方法，其包括在基因表达数据点分布的两维空间中，使用网格划分数据空间，使落在格子中的数据点的频率作为联合概率分布函数的估计，并确定基因x和基因y表达值之间的互信息；在不同大小的网格中计算互信息获得最大互信息系数，并得到靶基因的关键调控基因集；利用关键调控基因重要性融合算法计算调控基因对靶基因的重要性，得到重要性矩阵；在重要性矩阵中保留控制强度超过设定阈值的调控关系，控制强度超过设定阈值的调控关系构成基因调控网络。本方法针对大规模基因调控网络中关键调控基因的稀疏性，排除冗余基因表达信息，有效提高了计算效率，可以提高推断调控关系的准确度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.019 seconds)
