-
公开(公告)号：CN114093422B
公开(公告)日：2024-06-25
申请号：CN202111393459.9
申请日：2021-11-23
Applicant: 湖南大学
IPC: G16B30/00 , G16B40/20 , G06N3/048 , G06N3/0442 , G06N3/09
Abstract: 本发明公开了一种基于多关系图卷积网络的miRNA和基因的相互作用的预测方法及其系统。本发明所述方法构建了miRNA与基因的异构信息网络，并基于异构网络利用多关系图卷积网络学习节点的网络拓扑特征；同时，利用循环神经网络捕获基因序列的有效特征。最后，将网络拓扑特征和序列特征结合，使用得到的miRNA和基因的嵌入来计算miRNA‑基因对的关联预测得分。本发明的实现过程无需人工构造特征，是结合表示学习，充分利用多关系图卷积网络的优势并挖掘有效的基因序列信息，更好地捕获了miRNA和基因节点的特征表示。且实验结果表明，本发明MRMTI在miRNA和基因的关联预测方面优于其他对比方法，具有良好预测性能。
-
公开(公告)号：CN106874706A
公开(公告)日：2017-06-20
申请号：CN201710035109.2
申请日：2017-01-18
Applicant: 湖南大学
Abstract: 本发明提供了一种基于功能模块的疾病关联因子识别方法及系统，该方法包括：1)在人类共调控网络上识别包括转录因子、miRNA和目标基因的功能模块；2)获得差异表达基因的p‑value值，根据模块内差异表达基因的组合确定疾病关联功能模块；3)将疾病关联功能模块中的非差异表达转录因子、miRNA和目标基因作为候选疾病关联因子；4)计算候选疾病关联因子与疾病的关联值，并根据关联值为候选疾病关联因子排序。该方法识别疾病关联因子时结合了多种相互作用关系，即使在不知道转录因子、miRNA和基因功能的情况下，应用本发明所述方法能够进行预测识别疾病关联因子，且本发明预测疾病关联因子的准确率非常高。
-
公开(公告)号：CN112768081B
公开(公告)日：2024-02-13
申请号：CN202110122183.4
申请日：2021-01-27
Applicant: 湖南大学
Abstract: 本发明公开了一种基于子图抽样及节点属性的共调控生物网络模体发现方法及装置，该方法基于共调控生物网络，考虑共调控生物网络中的不同节点类型和边类型，在子图搜索的阶段中引入了无偏估计抽样，在子图同构判断归类阶段使用了哈希表结构，以极低的复杂度完成了同构子图合并，该方法实现简单，只需根据miRNA、TF、Gene三者之间的调控关系，同时设定好随机网络生成的个数、Z‑score、P‑value就能比较准确地识别共调控生物网络中的模体结构。
-
公开(公告)号：CN112951328B
公开(公告)日：2022-04-22
申请号：CN202110233966.X
申请日：2021-03-03
Applicant: 湖南大学
Abstract: 本发明公开了一种基于深度学习异构信息网络的miRNA‑基因关系预测方法及系统，该方法首先通过构建关于miRNA‑基因的异构信息网络；然后在异构网络上利用元路径，收集miRNA‑基因对之间的路径实例集合，使用深度卷积神经网络捕获路径集合的有效信息；最后将miRNA嵌入，基因嵌入和路径嵌入拼接，利用多层感知机预测miRNA和基因的相互作用。本发明避免了传统机器学习需要手动收集特征的缺点，以网络节点的形式，使用深度学习的方法自动学习网络节点特征。对比实验结果显示，MDCNN的性能比其他方法优越，可以准确预测出潜在的miRNA‑基因相互作用。
-
公开(公告)号：CN111261223A
公开(公告)日：2020-06-09
申请号：CN202010030316.0
申请日：2020-01-12
Applicant: 湖南大学
Abstract: 本发明属于生物信息学领域，公开了一种基于深度学习的CRISPR脱靶效应预测方法，通过使用BERT模型对人类基因组进行信息的抽取，有效地利用基因组的先验信息，并对数据进行有效地加强，最后将获取到的特征输入到LightGBM方法中进行训练预测，本发明解决了数据量少和数据不平衡的问题，并实现了对CRISPR脱靶效应的有效预测，具有十分重要的推广应用价值。
-
Patent Agency Ranking
公开(公告)号：CN107679367A
公开(公告)日：2018-02-09
申请号：CN201710853536.1
申请日：2017-09-20
Applicant: 湖南大学
Abstract: 本发明公开了一种基于网络节点关联度的共调控网络功能模块识别方法。基于网络节点关联度的概念，将共调控网络中的关键调控子作为种子节点，并利用LASSO构建带权共调控网络，在该带权网络中识别共调控功能模块。本发明实现简单，只需根据表达谱数据和调控关系就能比较准确地识别出共调控网络中的功能模块，并且通过实验证明识别的功能模块具有很重要的生物意义，对于复杂疾病的致病机理研究具有重要的理论意义和实用价值。
-
公开(公告)号：CN110084626B
公开(公告)日：2023-04-18
申请号：CN201910381347.8
申请日：2019-05-08
Applicant: 湖南大学
IPC: G06Q30/018 , G06F16/22 , G06F16/2455 , G06F16/2458 , G06F21/62 , G06F21/60 , G06F21/64
Abstract: 本发明属于计算机科学领域，公开了一种基于区块链的疫苗生产监管方法，通过对疫苗生产过程中的数据采集，将疫苗生产的培养、收获、超滤、灭活、纯化过程以及相应的无菌检查、病毒滴定实验、灭活验证实验、原液检定的相关参数和结果保存，同时以区块链交易的形式保存对应信息的哈希结果并发送到监管机构。在完成疫苗生产，申请批签发时将本批次疫苗的各交易信息打包为一个区块，并写入生产企业信息后发送给监管机构，监管机构完成疫苗检定同时检查保存的疫苗生产信息，并比对生产信息哈希结果与区块内各交易的哈希信息，检查无误后将区块广播写入链内，本发明实现了对疫苗生产过程的监管并保护了生产企业的商业隐私，具有十分重要的推广应用价值。
-
公开(公告)号：CN112951328A
公开(公告)日：2021-06-11
申请号：CN202110233966.X
申请日：2021-03-03
Applicant: 湖南大学
Abstract: 本发明公开了一种基于深度学习异构信息网络的miRNA‑基因关系预测方法及系统，该方法首先通过构建关于miRNA‑基因的异构信息网络；然后在异构网络上利用元路径，收集miRNA‑基因对之间的路径实例集合，使用深度卷积神经网络捕获路径集合的有效信息；最后将miRNA嵌入，基因嵌入和路径嵌入拼接，利用多层感知机预测miRNA和基因的相互作用。本发明避免了传统机器学习需要手动收集特征的缺点，以网络节点的形式，使用深度学习的方法自动学习网络节点特征。对比实验结果显示，MDCNN的性能比其他方法优越，可以准确预测出潜在的miRNA‑基因相互作用。
-
公开(公告)号：CN111681718A
公开(公告)日：2020-09-18
申请号：CN202010531562.4
申请日：2020-06-11
Applicant: 湖南大学
Abstract: 本发明属于计算机生物信息学领域，公开了一种基于深度学习多源异构网络的药物重定位方法。本发明包括步骤：使用随机游走方法，得到概率共生矩阵数据集；利用移位正点互信息(PPMI)矩阵方法计算数据集；利用计算所得的多源数据集对图卷积编码器模型进行训练，获得药物信息的低维嵌入表示作为变分自编码器的输入数据进行参数训练，将训练好的模型结合已知的药物疾病关联矩阵做最终的药物重定位预测。本发明避免了传统特征提取方法的局限，如：高度依赖于医护人员的经提取出有区分性的高质量特征，也往往存在一定的困难，而且准确率低，本发明借助于图卷积编码器模型和变分自编码器网络模型，实现高精度的药物重定位预测。
-
公开(公告)号：CN107679367B
公开(公告)日：2020-02-21
申请号：CN201710853536.1
申请日：2017-09-20
Applicant: 湖南大学
Abstract: 本发明公开了一种基于网络节点关联度的共调控网络功能模块识别方法。基于网络节点关联度的概念，将共调控网络中的关键调控子作为种子节点，并利用LASSO构建带权共调控网络，在该带权网络中识别共调控功能模块。本发明实现简单，只需根据表达谱数据和调控关系就能比较准确地识别出共调控网络中的功能模块，并且通过实验证明识别的功能模块具有很重要的生物意义，对于复杂疾病的致病机理研究具有重要的理论意义和实用价值。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.022 seconds)
