-
公开(公告)号：CN116453617A
公开(公告)日：2023-07-18
申请号：CN202310327953.8
申请日：2023-03-30
Applicant: 湖南大学
IPC: G16C20/50 , G16C20/70 , G06N3/0464 , G06N3/08 , G06F18/214
Abstract: 本发明属于人工智能中的深度学习和主动学习(Activate Learning，AL)技术领域，公开了一种结合主动学习的多目标优化分子生成方法和系统，构建结合主动学习的多目标优化分子生成模型和性质预测模型并进行训练；在训练完成后，冻结生成模型编码器和性质预测模型的权重；使用从隐空间z中随机采样后输入到解码器，预测模型将解码器的输出作为输入预测性质；分子生成模型通过预测模型的输出执行相对于隐空间z的梯度下降优化z；将优化后的z再次输入到解码器获取分子图向量并进行有效性校正得到最终优化分子。本发明提高分子生成速度和多目标优化成功率，适用于各种靶蛋白的亲和力优化问题。
-
公开(公告)号：CN116030902A
公开(公告)日：2023-04-28
申请号：CN202211669221.9
申请日：2022-12-24
Applicant: 湖南大学
Abstract: 本发明公开了一种基于图注意力采样的药物相互作用预测方法，其首先获取待预测的药物对数据，对待预测的药物对数据进行预处理，得到预处理后的药物对数据和药物分子序列，通过分子序列转换模型将预处理后的药物分子序列转换成分子结构图、原子向量矩阵以及分子‑原子关系列表，并构建原子邻接矩阵、药物相互作用网络以及药物邻接矩阵，将原子向量矩阵、原子邻接矩阵、分子原子关系列表、药物相互作用网络以及药物邻接矩阵输入预先训练好的药物相互作用预测模型中，以得到最终的药物相互作用预测结果。本发明能够解决现有的基于图表示学习的药物相互作用预测方法无法兼顾药物分子结构特性和相互作用网络中包含的关系信息的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN113140255A
公开(公告)日：2021-07-20
申请号：CN202110416052.7
申请日：2021-04-19
Applicant: 湖南大学
Abstract: 本发明公开了一种预测植物lncRNA‑miRNA相互作用的方法，包括：获取原始数据集，对其进行处理以得到lncRNA序列特征集合、lncRNA的相互作用谱集合、miRNA序列特征集合、miRNA的相互作用谱集合，计算lncRNA序列特征集合、lncRNA的相互作用谱集合、miRNA序列特征集合、miRNA的相互作用谱集合分别对应的相似度S_lncS、S_lncP、S_miS、S_miP，将lncRNA的序列特征相似度S_lncS、lncRNA的相互作用谱相似度S_lncP进行组合，以得到lncRNA的组合相似度，并将miRNA的序列特征相似度S_miS、miRNA的相互作用谱相似度S_miP进行组合，以得到miRNA的组合相似度；从第一相互作用矩阵中随机选取1/5的元素置零，以得到第一训练矩阵，并将第一训练矩阵转置。本发明能够解决现有基于机器学习预测lncRNA‑miRNA相互作用的方法无法适用于无表达谱、靶基因的lncRNA或miRNA的相似性预测的技术问题。
-
公开(公告)号：CN114420221B
公开(公告)日：2024-06-25
申请号：CN202210003782.9
申请日：2022-01-04
Applicant: 湖南大学
Abstract: 本发明公开了一种基于知识图谱的多任务药物筛选方法，包括：获取所有药物和所有化合物映射到知识图谱数据集后的实体映射表、所有药物的候选药物集合、以及预训练好的多任务预测模型，获取用户输入的问题，使用获取到的多任务预测模型对问题中的靶点x和候选药物集合进行预测，以获得药物概率分数表和化合物概率分数表，使用结果集成算法对获取的药物概率分数表和化合物概率分数表进行计算合并，并将合并后的概率分数表中的概率分数按照由大到小的方式进行排序，并从排序结果中选择排名前20个药物对应的实体作为筛选结果返回给用户。本发明能够解决现有基于知识图谱的预测模型无法考虑药物分子和蛋白质本身的特征的问题。
-
公开(公告)号：CN113140255B
公开(公告)日：2022-05-10
申请号：CN202110416052.7
申请日：2021-04-19
Applicant: 湖南大学
Abstract: 一种预测植物lncRNA‑miRNA相互作用的方法，包括：获取原始数据集，对其进行处理以得到lncRNA序列特征集合、lncRNA的相互作用谱集合、miRNA序列特征集合、miRNA的相互作用谱集合，计算lncRNA序列特征集合、lncRNA的相互作用谱集合、miRNA序列特征集合、miRNA的相互作用谱集合分别对应的相似度S_lncS、S_lncP、S_miS、S_miP，将lncRNA的序列特征相似度S_lncS、lncRNA的相互作用谱相似度S_lncP进行组合，以得到lncRNA的组合相似度，并将miRNA的序列特征相似度S_miS、miRNA的相互作用谱相似度S_miP进行组合，以得到miRNA的组合相似度；从第一相互作用矩阵中随机选取1/5的元素置零，以得到第一训练矩阵。
-
公开(公告)号：CN118606442A
公开(公告)日：2024-09-06
申请号：CN202410654718.6
申请日：2024-05-24
Applicant: 湖南大学
IPC: G06F16/332 , G06F40/166 , G06F40/205
Abstract: 本发明涉及计算机技术领域，公开了一种答案生成方法、装置、计算机设备及存储介质。该方法包括：根据大语言模型的原始问题确定初始答案文本；初始答案文本中包括原始问题和初始答案；初始答案为原始问题对应的答案；生成指示将原始问题拆分为子问题集合的提示词；将原始问题和提示词输入到大语言模型；大语言模型被配置为将原始问题拆分为子问题集合；确定子问题集合中子问题对应的答案，根据子问题集合中的子问题、子问题对应的答案、初始答案文本，生成目标答案；目标答案为满足预设指标的答案。本发明的技术方案在大语言模型的训练数据的丰富度较低、数据量较少的情况下，也可以得到完整性和准确度较高的答案文本。
-
公开(公告)号：CN114420221A
公开(公告)日：2022-04-29
申请号：CN202210003782.9
申请日：2022-01-04
Applicant: 湖南大学
Abstract: 本发明公开了一种基于知识图谱的多任务药物筛选方法，包括：获取所有药物和所有化合物映射到知识图谱数据集后的实体映射表、所有药物的候选药物集合、以及预训练好的多任务预测模型，获取用户输入的问题，使用获取到的多任务预测模型对问题中的靶点x和候选药物集合进行预测，以获得药物概率分数表和化合物概率分数表，使用结果集成算法对获取的药物概率分数表和化合物概率分数表进行计算合并，并将合并后的概率分数表中的概率分数按照由大到小的方式进行排序，并从排序结果中选择排名前20个药物对应的实体作为筛选结果返回给用户。本发明能够解决现有基于知识图谱的预测模型无法考虑药物分子和蛋白质本身的特征的问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
