-
公开(公告)号：CN109686402B
公开(公告)日：2023-11-03
申请号：CN201811597170.7
申请日：2018-12-26
Applicant: 扬州大学
Abstract: 基于动态加权相互作用网络中关键蛋白质识别方法使用准则，计算蛋白质活动时间点和蛋白质活动概率，构建动态PPI网络，然后，根据蛋白质活动概率，计算蛋白质间相互作用权重，构建动态加权PPI网络。在建立好的动态加权PPI网络上，根据蛋白质网络的拓扑特性和生物属性，计算相互作用蛋白质对间的边缘聚类系数、基因本体相似度和皮尔逊相关系数。之后，得到一个重要性分数，最终按分值由大到小排列，输出分值对应的k个蛋白质即为最后结果。本发明提高了关键蛋白质识别的效率，扩展了该技术在生物信息领域的应用范围和实用性。
-
公开(公告)号：CN109686402A
公开(公告)日：2019-04-26
申请号：CN201811597170.7
申请日：2018-12-26
Applicant: 扬州大学
Abstract: 基于动态加权相互作用网络中关键蛋白质识别方法使用准则，计算蛋白质活动时间点和蛋白质活动概率，构建动态PPI网络，然后，根据蛋白质活动概率，计算蛋白质间相互作用权重，构建动态加权PPI网络。在建立好的动态加权PPI网络上，根据蛋白质网络的拓扑特性和生物属性，计算相互作用蛋白质对间的边缘聚类系数、基因本体相似度和皮尔逊相关系数。之后，得到一个重要性分数，最终按分值由大到小排列，输出分值对应的k个蛋白质即为最后结果。本发明提高了关键蛋白质识别的效率，扩展了该技术在生物信息领域的应用范围和实用性。
-
公开(公告)号：CN108733976B
公开(公告)日：2021-12-03
申请号：CN201810499881.4
申请日：2018-05-23
Applicant: 扬州大学
Abstract: 本发明属于生物信息技术领域，具体涉及一种基于融合生物与拓扑特征的关键蛋白质识别方法：对每一个蛋白质顶点赋予表示其重要程度的得分，所有顶点的得分构成一个n列的向量，给出得分的初始值，根据生物信息和拓扑特性的值，构成蛋白质顶点的属性值，并构成属性矩阵。最终按分值由大到小排列，输出分值对应的k个蛋白质即为最后结果。将蛋白质相互作用网络的拓扑特性与蛋白质生物属性相结合有助于提高识别关键蛋白质的准确性，提高了关键蛋白质识别的效率。
-
公开(公告)号：CN109686403A
公开(公告)日：2019-04-26
申请号：CN201811597473.9
申请日：2018-12-26
Applicant: 扬州大学
CPC classification number: G06K9/6215 , G06K9/6221
Abstract: 基于不确定蛋白质相互作用网络中关键蛋白质识别方法使用SimRank来进行蛋白质相似度计算,通过将不确定网络中计算SimRank问题转换成在确定性网络的SimRank计算，之后，考虑了蛋白质相互作用网络的拓扑特性和蛋白质的生物特征，通过计算边缘聚类系数、基因本体相似度、皮尔逊相关系数、亚细胞定位分数，得出一个重要性分数。最终按分值由大到小排列，输出分值对应的前k个蛋白质即为最后结果。本发明在不确定相互作用网络上，融合生物属性和拓扑特性提高了识别关键蛋白质的准确性，同时使预测结果更加准确，提高了预测的效率,扩展了该技术在生物信息领域的应用范围和实用性。
-
公开(公告)号：CN108733976A
公开(公告)日：2018-11-02
申请号：CN201810499881.4
申请日：2018-05-23
Applicant: 扬州大学
Abstract: 本发明属于生物信息技术领域，具体涉及一种基于融合生物与拓扑特征的关键蛋白质识别方法：对每一个蛋白质顶点赋予表示其重要程度的得分，所有顶点的得分构成一个n列的向量，给出得分的初始值，根据生物信息和拓扑特性的值，构成蛋白质顶点的属性值，并构成属性矩阵。最终按分值由大到小排列，输出分值对应的k个蛋白质即为最后结果。将蛋白质相互作用网络的拓扑特性与蛋白质生物属性相结合有助于提高识别关键蛋白质的准确性，提高了关键蛋白质识别的效率。
-
Patent Agency Ranking
公开(公告)号：CN108596777A
公开(公告)日：2018-09-28
申请号：CN201810435350.9
申请日：2018-05-09
Applicant: 扬州大学
Abstract: 独立级联模型下带有unwanted user的影响力最大化方法，根据独立路径构造子图，从而将复杂网络之间用户关系进行分解，计算得到节点之间的激活概率a(v，u)以及子图的传播概率aw(v,u)，其次计算子图中所有节点的传播增量ΔS(x)，最后按照条件筛选出包含k个节点的种子节点集合S。本方法使得预测结果更加的准确，可靠性更高。该技术可以提高识别网络中有影响力节点方面的效率，扩展了该技术在影响力最大化领域的应用范围和实用性。
-
公开(公告)号：CN108804870B
公开(公告)日：2021-11-19
申请号：CN201810499870.6
申请日：2018-05-23
Applicant: 扬州大学
IPC: G16B15/20
Abstract: 本发明的目的是提供一种基于Markov随机游走的关键蛋白质识别方法，属于生物信息技术领域。基于Markov随机游走的关键蛋白质识别方法：使用Markov随机游走的思想，对每一个顶点赋予表示其重要程度的得分，所有顶点的得分构成一个n列的向量，给出得分的初始值，根据一定的概率让得分在网络中随机游走并在传递中进行修改；最终按分值由大到小排列，输出分值对应的k个蛋白质即为最后结果。本发明融合生物属性和拓扑特性提高了识别关键蛋白质的准确性，同时使预测结果更加准确，提高了预测的效率。
-
公开(公告)号：CN108804870A
公开(公告)日：2018-11-13
申请号：CN201810499870.6
申请日：2018-05-23
Applicant: 扬州大学
IPC: G06F19/16
Abstract: 本发明的目的是提供一种基于Markov随机游走的关键蛋白质识别方法，属于生物信息技术领域。基于Markov随机游走的关键蛋白质识别方法：使用Markov随机游走的思想，对每一个顶点赋予表示其重要程度的得分，所有顶点的得分构成一个n列的向量，给出得分的初始值，根据一定的概率让得分在网络中随机游走并在传递中进行修改；最终按分值由大到小排列，输出分值对应的k个蛋白质即为最后结果。本发明融合生物属性和拓扑特性提高了识别关键蛋白质的准确性，同时使预测结果更加准确，提高了预测的效率。
-
公开(公告)号：CN108073552A
公开(公告)日：2018-05-25
申请号：CN201711439468.0
申请日：2017-12-22
Applicant: 扬州大学
Abstract: 本发明涉及独立级联模型下基于最大似然的影响力最大化方法。本发明在复杂网络中确定种子节点，构造基于抽样的缩略图以及顶点分层，计算构造的缩略图中所有顶点的最大似然概率值，对所有的最大似然概率值进行排序，筛选出k个节点。本发明克服了Degree方法在识别有影响力节点方面缺乏准确性，CascadeDiscount方法计算复杂，内存消耗大且运行时间也比较长等缺陷。本发明提出一种构造缩略图的方法从而将复杂网络进行分解，按照条件筛选出包含k个节点的种子节点集合S，避免之前算法中寻找最短路径等其他条件，从而减少了许多不必要的计算，使得预测结果更加的准确，可靠性更高。
-
公开(公告)号：CN107798215B
公开(公告)日：2021-07-23
申请号：CN201711153530.X
申请日：2017-11-15
Applicant: 扬州大学
Abstract: 本发明涉及基于PPI网络层次结构预测功能模块及作用的方法。本发明技术方案涉及输入PPI网络和生物信息，根据蛋白质相互作用网络，构建层次结构树T，蛋白质相互作用网络的似然值计算，编码层次结构树T，寻找最大似然值层次树结构树T的遗传算法，功能模块挖掘及作用预测。本发明克服了在密度较小的稀疏PPI网络中效果不佳和随机性的缺陷。本发明根据最大似然值层次结构树T，对功能模块进行挖掘以及作用预测，通过网络的似然值计算，同时实现功能模块的挖掘以及作用预测，该方法在考虑网络拓扑的基础上也融合了相应的生物信息，反映网络节点间的内部关系，减少许多不必要的密度计算，使预测结果更加准确，提高了预测结果的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
