公开(公告)号：CN120048358A

公开(公告)日：2025-05-27

申请号：CN202510506112.2

申请日：2025-04-22

Applicant: 广东省农业科学院水稻研究所

Inventor： 刘琦 ,  王成睿 ,  彭歆 ,  沈梦圆 ,  宋润先 ,  周德贵 ,  王润凤

IPC: G16B40/00 ,  G16B20/20 ,  G16B25/10 ,  G16B50/10 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0985 ,  G06N5/045

Abstract: 本发明提供了一种植物表型多精度信息联合预测方法，涉及植物表型预测的技术领域，其方法步骤包括：数据获取及预处理；模型构建与训练；可解释性分析，本发明方法可应用于不同物种和多种植物性状，并可拓展至其他生物学领域；可灵活增补新的组学数据与分析功能，满足大规模多组学研究的未来需求；相比传统线性或一般机器学习方法，深度学习模型在复杂基因互作场景下表现更佳，并保持稳定预测性能。

公开(公告)号：CN118116451B

公开(公告)日：2025-01-07

申请号：CN202410286173.8

申请日：2024-03-13

Applicant: 广东省农业科学院水稻研究所

Inventor： 彭歆 ,  刘琦 ,  沈梦圆 ,  赵均良 ,  杨武 ,  甘玉立

IPC: G16B15/00 ,  G16B20/20 ,  G16B20/30 ,  G16B30/10 ,  G16B25/20

Abstract: 本发明公开了一种基于重测序的InDel背景分子标记设计方法及应用，包括数据预处理模块、变异位点筛选模块、引物设计模块和背景分子标记开发模块。本发明实现了基于重测序数据，在全基因组范围内鉴定和筛选InDe l标记，并进行引物设计和背景分子标记开发，具有操作灵活、自动化程度高和批量高效等优点。本发明基于样本的重测序数据设计背景分子标记，与传统的基于参考基因组设计引物相比，引物特异性更强、密度更高、数量更多。本发明创新性使用划窗对InDel变异进行筛选，统一了每个窗口只允许存在一个InDel标记，减少了基于参考基因组直接寻找变异位点的不确定性，保证了背景分子标记的可靠性和基因分型能力。

公开(公告)号：CN119990143A

公开(公告)日：2025-05-13

申请号：CN202510464941.9

申请日：2025-04-15

Applicant: 广东省农业科学院水稻研究所

Inventor： 沈梦圆 ,  徐智 ,  刘鑫棠 ,  卢磊 ,  刘琦

IPC: G06F40/30 ,  G06F40/295 ,  G16B30/10 ,  G06N3/0455 ,  G06N5/02 ,  G06N5/025 ,  G06N5/04

Abstract: 本发明提供了一种基于深度学习的mRNA领域文献挖掘系统，涉及生物信息学与自然语言处理的技术领域，能够有效识别与mRNA相关的实体包括基因、蛋白质、疾病等及其语义关系；本发明系统结合了最新的BioBERT模型和Transformer‑CRF模型，通过多任务学习架构实现命名实体识别和关系提取的高效协同优化，显著提升了mRNA领域文献挖掘的精度与效率；能够有效处理生物医学领域特有的术语和复杂句法结构，并通过多任务优化减少冗余、提升整体性能；通过融合BioBERT的预训练知识与Transformer‑CRF的序列标注能力，为mRNA相关文献的深度挖掘与知识发现提供了创新的技术支持，具有广泛的应用前景。

公开(公告)号：CN118983005A

公开(公告)日：2024-11-19

申请号：CN202411063176.1

申请日：2024-08-05

Applicant: 广东省农业科学院水稻研究所

Inventor： 刘琦 ,  徐智 ,  赵龙阳 ,  汤萍 ,  彭歆 ,  沈梦圆 ,  赵俊良 ,  黄璐

IPC: G16B20/30 ,  G16B40/00 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种植物表型多组学预测方法，包括：构建包括转录组预测模块、第一输出模块、基因组预测模块、第二输出模块和综合训练模块的多组学表型预测模型；获取植物的SNP数据和基因表达数据并进行预处理，对应得到SNP特征和基因表达特征；将基因表达特征输入至转录组预测模块，得到转录组数据特征；将转录组数据特征输入至第一输出模块，得到第一预测表型；将SNP特征输入至基因组预测模块，得到基因组数据特征；将基因组数据特征输入至第二输出模块，得到第二预测表型；将转录组数据特征和基因组数据特征连接后输入至综合训练模块，得到第三预测表型。结合基因网络和深度学习的方法有望克服现有方法的局限，进一步提升植物表型预测精度。

公开(公告)号：CN118116451A

公开(公告)日：2024-05-31

申请号：CN202410286173.8

申请日：2024-03-13

Applicant: 广东省农业科学院水稻研究所

Inventor： 彭歆 ,  刘琦 ,  沈梦圆 ,  赵均良 ,  杨武 ,  甘玉立

IPC: G16B15/00 ,  G16B20/20 ,  G16B20/30 ,  G16B30/10 ,  G16B25/20

Abstract: 本发明公开了一种基于重测序的InDel背景分子标记设计方法及应用，包括数据预处理模块、变异位点筛选模块、引物设计模块和背景分子标记开发模块。本发明实现了基于重测序数据，在全基因组范围内鉴定和筛选InDe l标记，并进行引物设计和背景分子标记开发，具有操作灵活、自动化程度高和批量高效等优点。本发明基于样本的重测序数据设计背景分子标记，与传统的基于参考基因组设计引物相比，引物特异性更强、密度更高、数量更多。本发明创新性使用划窗对InDel变异进行筛选，统一了每个窗口只允许存在一个InDel标记，减少了基于参考基因组直接寻找变异位点的不确定性，保证了背景分子标记的可靠性和基因分型能力。