公开(公告)号：CN111063391A

公开(公告)日：2020-04-24

申请号：CN201911328120.3

申请日：2019-12-20

Applicant: 海南大学

Inventor： 万逸 ,  钟永捷 ,  杨柳

IPC: G16B20/00

Abstract: 本发明公开了一种基于生成式对抗网络原理的不可培养微生物筛选系统，该系统将不可培养微生物进行数据处理得到代谢网络和基因组数据，输入如图一所示模型，得到一系列培养基成分，系统自动取样、封板、培养、检测，得出培养结果。将这些结果输入训练网络改进参数优化模型，由于不可培养微生物和可培养微生物之间存在数据分布上的差异，利用迁移学习，基于生成式对抗网络的原理，将不可培养微生物作为目标域数据集，可培养微生物数据集作为源域数据集，通过生成式对抗网络的判别器原理，缩小源域与目标域之间的特征空间分布差异，完成可培养微生物到不可培养微生物的知识迁移，使我们的自动化系统更加完善，达到提高预测培养基配方准确率的目的。

公开(公告)号：CN111063391B

公开(公告)日：2023-04-25

申请号：CN201911328120.3

申请日：2019-12-20

Applicant: 海南大学

Inventor： 万逸 ,  钟永捷 ,  杨柳

IPC: G16B20/00

Abstract: 本发明公开了一种基于生成式对抗网络原理的不可培养微生物筛选系统，该系统将不可培养微生物进行数据处理得到代谢网络和基因组数据，输入如图一所示模型，得到一系列培养基成分，系统自动取样、封板、培养、检测，得出培养结果。将这些结果输入训练网络改进参数优化模型，由于不可培养微生物和可培养微生物之间存在数据分布上的差异，利用迁移学习，基于生成式对抗网络的原理，将不可培养微生物作为目标域数据集，可培养微生物数据集作为源域数据集，通过生成式对抗网络的判别器原理，缩小源域与目标域之间的特征空间分布差异，完成可培养微生物到不可培养微生物的知识迁移，使我们的自动化系统更加完善，达到提高预测培养基配方准确率的目的。