-
公开(公告)号：CN116805513B
公开(公告)日：2023-10-31
申请号：CN202311066361.1
申请日：2023-08-23
IPC: G16B40/00 , G16B5/00 , G06N3/0455
Abstract: 本发明公开了一种基于异构图Transformer框架的癌症驱动基因预测与分析方法，涉及生物信息学领域，该方法包括：利用基因与基因的相互作用关系、蛋白质与蛋白质的相互作用关系和基因与蛋白质的对应关系，构建基因与蛋白质的异构网络；构建异构图Transformer模块，并根据异构图Transformer模块和基因与蛋白质的异构网络生成目标节点的嵌入；构建全连接层分类模块，根据全连接层分类模块和目标节点的嵌入生成癌症驱动基因预测结果，并对癌症驱动基因预测结果进行分析。本发明能充分利用不同的生物网络中的实体之间的关联关系，解决了生物网络先验信息未充分利用的问题，进而提升了癌症驱动基因预测的准确性。
-
公开(公告)号：CN116884499A
公开(公告)日：2023-10-13
申请号：CN202310858474.9
申请日：2023-07-12
IPC: G16B40/00 , G16B25/10 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了基于变分自编码器的单细胞转录因子调控网络构建方法，涉及基因转录调控领域，该方法包括：根据scATAC‑seq数据和scRNA‑seq数据，确定输入矩阵和真实标签矩阵；构建转录因子调控网络模型，并根据输入矩阵和转录因子调控网络模型确定预测标签矩阵；根据真实标签矩阵和预测标签矩阵，确定转录因子调控网络模型损失；采用双级优化策略对转录因子调控网络模型的内部参数进行更新；采用更新内部参数后的转录因子调控网络模型构建转录因子调控网络。本发明能提取并对齐单细胞ATAC‑seq和单细胞RNA‑seq数据中的高阶特征，结构化转录因子的调控关系，进而更全面准确地构建转录因子调控网络。
-
公开(公告)号：CN119446314B
公开(公告)日：2025-04-11
申请号：CN202510039533.9
申请日：2025-01-10
IPC: G16C20/10 , G16C20/50 , G16H70/40 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/25 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于多通道特征融合的药物‑药物相互作用预测方法，利用药物数据的多样特征，结合多通道特征融合模块和交叉注意力机制，将药物分子子结构、药物相似性矩阵和分子指纹有效结合，然后使用KAN神经网络实现高效准确的DDI预测。本方法高效的整合药物多种特征信息数据，如药物子结构、药物相似性、药物分子指纹数据，实现了高效准确的多通道特征融合的药物‑药物反应预测；本发明提出的MCF‑DDI模型在可解释实验和对比实验中展现出了卓越的性能，不仅评价指标和稳定性都有不同程度提升，还能识别出药物分子中关键子结构并验证这些子结构在药物相互作用预测中的重要性，为药物研发和临床应用提供了有力的理论支持。
-
公开(公告)号：CN119446314A
公开(公告)日：2025-02-14
申请号：CN202510039533.9
申请日：2025-01-10
IPC: G16C20/10 , G16C20/50 , G16H70/40 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/25 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于多通道特征融合的药物‑药物相互作用预测方法，利用药物数据的多样特征，结合多通道特征融合模块和交叉注意力机制，将药物分子子结构、药物相似性矩阵和分子指纹有效结合，然后使用KAN神经网络实现高效准确的DDI预测。本方法高效的整合药物多种特征信息数据，如药物子结构、药物相似性、药物分子指纹数据，实现了高效准确的多通道特征融合的药物‑药物反应预测；本发明提出的MCF‑DDI模型在可解释实验和对比实验中展现出了卓越的性能，不仅评价指标和稳定性都有不同程度提升，还能识别出药物分子中关键子结构并验证这些子结构在药物相互作用预测中的重要性，为药物研发和临床应用提供了有力的理论支持。
-
公开(公告)号：CN116884495A
公开(公告)日：2023-10-13
申请号：CN202310991350.8
申请日：2023-08-07
IPC: G16B30/00 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F18/241 , G06N3/0499
Abstract: 本发明公开了一种基于扩散模型的长尾染色质状态预测方法，包括S1、获取原始DNA序列，并对原始DNA序列进行处理得到DNA编码数据；S2、基于所述DNA编码数据构建DNA序列扩散模型；S3、结合UNet的噪声预测器，进行有条件的DNA序列扩散模型的逆向过程，得到具有不同染色质状态类别的平衡数据集；S4、基于所述平衡数据集，采用反向传播算法构建染色质状态预测模型。本发明利用基于DNA序列扩散模型从噪音中生成尾部类别染色质状态的DNA序列，从而实现样本平衡；然后，利用类别样本平衡的数据集训练染色质状态预测模型，染色质状态预测模型能够有效捕捉基于基因的语法规则，从而精确预测染色质状态。
-
Patent Agency Ranking
公开(公告)号：CN118629672B
公开(公告)日：2024-10-11
申请号：CN202411110690.6
申请日：2024-08-14
IPC: G16H70/40 , G16H20/10 , G16H50/70 , G06F18/25 , G16C20/50 , G16C20/70 , G16B35/00 , G16B40/00 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于多模态数据融合的药物协同组合预测方法，首先获取药物组合样本的药物特征向量和细胞系基因表达量；接着基于多头自注意力的图注意力网络和最大池化操作提取药物特征向量中的药物分子图特征；再基于可变形卷积网络提取药物特征向量中的药物摩根指纹特征，并通过空间重建模块抑制药物摩根指纹特征的冗余；然后基于多层感知机提取细胞系基因表达量中的细胞系特征；最后采用Transformer将药物分子图特征、重建后的药物摩根指纹特征和细胞系特征进行特征融合，得到药物协同组合预测结果。本发明通过融合药物的多模态数据，增强了模型对药物的表征能力，进而提高了对未知药物协同组合的预测精度和泛化能力。
-
公开(公告)号：CN116884500A
公开(公告)日：2023-10-13
申请号：CN202310861912.7
申请日：2023-07-13
Abstract: 本发明公开了一种交互式单细胞ATAC‑seq数据分析系统及方法，本发明以scATAC‑seq特征峰的DNA序列作为数据集，利用基于scATAC‑seq特征峰的DNA序列作为数据集以此完成各个序列特征峰在各细胞中的染色质可及性、单细胞聚类、单细胞ATAC‑seq数据降噪、转录因子活性推断的任务。进一步地，本发明基于LoRA微调、Prefix微调与Adapter微调将预训练大模型适配到各个分析任务中，并以此搭建在线的交互式分析平台，有效降低了微调大型预训练模型的成本，使得生物信息学家可以轻松地进行单细胞ATAC‑seq数据分析，而无需掌握编程知识。
-
公开(公告)号：CN116805513A
公开(公告)日：2023-09-26
申请号：CN202311066361.1
申请日：2023-08-23
IPC: G16B40/00 , G16B5/00 , G06N3/0455
Abstract: 本发明公开了一种基于异构图Transformer框架的癌症驱动基因预测与分析方法，涉及生物信息学领域，该方法包括：利用基因与基因的相互作用关系、蛋白质与蛋白质的相互作用关系和基因与蛋白质的对应关系，构建基因与蛋白质的异构网络；构建异构图Transformer模块，并根据异构图Transformer模块和基因与蛋白质的异构网络生成目标节点的嵌入；构建全连接层分类模块，根据全连接层分类模块和目标节点的嵌入生成癌症驱动基因预测结果，并对癌症驱动基因预测结果进行分析。本发明能充分利用不同的生物网络中的实体之间的关联关系，解决了生物网络先验信息未充分利用的问题，进而提升了癌症驱动基因预测的准确性。
-
公开(公告)号：CN118629672A
公开(公告)日：2024-09-10
申请号：CN202411110690.6
申请日：2024-08-14
IPC: G16H70/40 , G16H20/10 , G16H50/70 , G06F18/25 , G16C20/50 , G16C20/70 , G16B35/00 , G16B40/00 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于多模态数据融合的药物协同组合预测方法，首先获取药物组合样本的药物特征向量和细胞系基因表达量；接着基于多头自注意力的图注意力网络和最大池化操作提取药物特征向量中的药物分子图特征；再基于可变形卷积网络提取药物特征向量中的药物摩根指纹特征，并通过空间重建模块抑制药物摩根指纹特征的冗余；然后基于多层感知机提取细胞系基因表达量中的细胞系特征；最后采用Transformer将药物分子图特征、重建后的药物摩根指纹特征和细胞系特征进行特征融合，得到药物协同组合预测结果。本发明通过融合药物的多模态数据，增强了模型对药物的表征能力，进而提高了对未知药物协同组合的预测精度和泛化能力。
-
公开(公告)号：CN118609855A
公开(公告)日：2024-09-06
申请号：CN202411078638.7
申请日：2024-08-07
Abstract: 本发明公开了一种基于异构图神经网络和多组学的癌症药物反应预测方法，涉及癌症药物反应预测领域，其通过构建细胞‑药物异构图神经网络，并将异构图神经网络应用到癌症药物反应预测问题模型构建，能够有效地学习细胞系与癌症药物之间存在的复杂联系；并且融合多组学数据，从多组学角度全面地学习细胞系特征，使模型更符合生物学意义，具备更好的鲁棒性，提高了癌症药物反应预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.035 seconds)
