公开(公告)号：CN107918725B

公开(公告)日：2021-09-07

申请号：CN201711465834.X

申请日：2017-12-28

Applicant: 大连海事大学

Inventor： 马宝山 ,  矫翔田 ,  孟凡宇 ,  耿尧 ,  董佳昕 ,  陈宇航 ,  王雯萱 ,  马奕 ,  张萌 ,  徐丹 ,  王巍 ,  孙野青

IPC: G16B40/00 ,  G16B20/00

Abstract: 本发明公开了一种基于机器学习选择最优特征的DNA甲基化预测方法，本发明首先通过使用不同的机器学习算法一搜索不同个数的最强相关CpG位点，构建不同模型的最强相关CpG位点集合，然后利用不同的机器学习算法二对不同的模型的最强相关CpG位点集合进行测试，对测试结果与真实实验的结果进行比较，根据评价指标确定最优模型所使用的最强相关CpG位点个数和机器学习算法类型，从而完成了基于多个最强CpG位点的预测模型的建立。本发明提高了最强CpG位点的搜索效率，从而提高预测模型预测性能。

公开(公告)号：CN107918725A

公开(公告)日：2018-04-17

申请号：CN201711465834.X

申请日：2017-12-28

Applicant: 大连海事大学

Inventor： 马宝山 ,  矫翔田 ,  孟凡宇 ,  耿尧 ,  董佳昕 ,  陈宇航 ,  王雯萱 ,  马奕 ,  张萌 ,  徐丹 ,  王巍 ,  孙野青

IPC: G06F19/20 ,  G06F19/24

CPC classification number: G06F19/20 ,  G06F19/24

Abstract: 本发明公开了一种基于机器学习选择最优特征的DNA甲基化预测方法，本发明首先通过使用不同的机器学习算法一搜索不同个数的最强相关CpG位点，构建不同模型的最强相关CpG位点集合，然后利用不同的机器学习算法二对不同的模型的最强相关CpG位点集合进行测试，对测试结果与真实实验的结果进行比较，根据评价指标确定最优模型所使用的最强相关CpG位点个数和机器学习算法类型，从而完成了基于多个最强CpG位点的预测模型的建立。本发明提高了最强CpG位点的搜索效率，从而提高预测模型预测性能。

公开(公告)号：CN106529206A

公开(公告)日：2017-03-22

申请号：CN201611186987.6

申请日：2016-12-20

Applicant: 大连海事大学

Inventor： 马宝山 ,  张晓宇 ,  耿尧 ,  黄金艳 ,  万亭君 ,  刘珂阳 ,  赵倩 ,  徐丹 ,  王巍 ,  孙野青

IPC: G06F19/16

CPC classification number: G06F19/16

Abstract: 本发明提供一种蛋白质二维结构图功能元件的自动布线方法，包括：获取蛋白质的长度、蛋白质结构图中的蛋白质功能元件数据，并保存，判断功能元件文件数据是否为空，若否，则读取功能元件文件数据；根据两个相邻的功能元件的位置的差与两个功能元件名称之间相对距离的最小差判断相邻功能元件的名称是否重叠，若是，则根据功能元件文件中功能元件位置，功能元件名称之间相对距离的最小差重新确定功能元件名称的横坐标最终位置，若否，则功能元件文本文件中的功能元件位置即是功能元件名称的横坐标最终位置；根据功能元件文件中的功能元件位置、功能元件名称的横坐标最终位置确定标注线的位置。本发明使得绘制蛋白质二维结构图快速精确。

公开(公告)号：CN106529206B

公开(公告)日：2019-02-22

申请号：CN201611186987.6

申请日：2016-12-20

Applicant: 大连海事大学

Inventor： 马宝山 ,  张晓宇 ,  耿尧 ,  黄金艳 ,  万亭君 ,  刘珂阳 ,  赵倩 ,  徐丹 ,  王巍 ,  孙野青

IPC: G16B15/00

Abstract: 本发明提供一种蛋白质二维结构图功能元件的自动布线方法，包括：获取蛋白质的长度、蛋白质结构图中的蛋白质功能元件数据，并保存，判断功能元件文件数据是否为空，若否，则读取功能元件文件数据；根据两个相邻的功能元件的位置的差与两个功能元件名称之间相对距离的最小差判断相邻功能元件的名称是否重叠，若是，则根据功能元件文件中功能元件位置，功能元件名称之间相对距离的最小差重新确定功能元件名称的横坐标最终位置，若否，则功能元件文本文件中的功能元件位置即是功能元件名称的横坐标最终位置；根据功能元件文件中的功能元件位置、功能元件名称的横坐标最终位置确定标注线的位置。本发明使得绘制蛋白质二维结构图快速精确。