公开(公告)号：CN118824354A

公开(公告)日：2024-10-22

申请号：CN202411007995.4

申请日：2024-07-25

Applicant: 湖南大学

Inventor： 彭绍亮 ,  黄雨薇 ,  潘亮 ,  姬博亚 ,  张诗涵 ,  许建邦

IPC: G16B15/30 ,  G16B40/00 ,  G06N5/01 ,  G06N20/20 ,  H04L9/00 ,  G06F21/60

Abstract: 本发明公开了一种基于联邦决策树的药靶亲和力预测方法，包括：S1、在本地使用基于多壳层扩展连接性指纹的方法进行药物和蛋白质的特征学习；S2、每个制药机构基于本地数据和初始分割点对GBDT模型进行一阶和二阶梯度计算，生成梯度直方图；S3、每个制药机构对其得到的梯度直方图进行同态加密操作，并将加密后的梯度直方图传输给中央服务器；S4、中央服务器将收集到的各个制药机构的加密后的梯度直方图进行聚合，根据GBDT模型的决策树构建流程生成下一步建树操作，并将该操作信息转发给各制药机构；S5、每个制药机构使用中央服务器发来的决策树构建信息来更新其本地GBDT模型。本发明在保证数据隐私的同时具有高效的药靶亲和力预测能力。

公开(公告)号：CN117912557A

公开(公告)日：2024-04-19

申请号：CN202410010495.X

申请日：2024-01-04

Applicant: 湖南大学

Inventor： 彭绍亮 ,  姬博亚 ,  夏泓 ,  许建邦 ,  邹海涛 ,  黄雨薇 ,  许力文

IPC: G16B25/10 ,  G16B15/30 ,  G16B40/30 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/088

Abstract: 本发明公开了一种基于多视图注意力解读细胞间主要通讯组件的方法，包括：S1、获取晚期肾细胞癌的scRNA‑seq数据集；S2、利用细胞‑细胞通信分析工具推断所述数据集的配体‑受体的相互作用；S3、以单细胞分辨率构建多视图细胞‑细胞通信网络；S4、解读细胞‑细胞通信对特异性靶基因表达的影响；S5、解读细胞‑细胞通信对肿瘤细胞功能状态的影响；S6、确定训练策略；S7、基于基因表达或细胞功能状态受细胞通信影响的程度进行模型的解释；S8、基因本体论富集分析，选择高度可变的基因作为靶基因，通过GO富集分析，得到受细胞‑细胞通信影响较大以及较小的基因。本发明具有从scRNA‑seq数据中解读CCCs下游功能影响的能力。

公开(公告)号：CN117831663A

公开(公告)日：2024-04-05

申请号：CN202410010541.6

申请日：2024-01-04

Applicant: 湖南大学

Inventor： 彭绍亮 ,  姬博亚 ,  许建邦 ,  邹海涛 ,  黄雨薇 ,  许力文

IPC: G16C20/30 ,  G16C20/70 ,  G16B15/00 ,  G16B30/00 ,  G16B40/00 ,  G16B50/00 ,  G06N20/00

Abstract: 本发明公开了一种基于多源异构图学习的蛋白质相互作用预测方法，包括：S1、根据氨基酸的理化性质，利用自协方差对蛋白质序列特征进行提取；S2、构建多源关联网络；S3、获得蛋白质与其他生物分子的关联信息特征；S4、获取已知的蛋白质‑蛋白质相互作用对作为正样本数据集，随机取样等量的无关联蛋白质‑蛋白质相互作用对作为负样本数据集，将正负样本数据集合并作为最终的数据集；S5、利用随机森林分类器和相应的最优参数进行训练以构建预测模型；S6、采用五折交叉验证的方法得到模型的性能评价指标。本发明可以更充分地利用残基的局部特征、蛋白质序列独特的理化性质以及蛋白质与其他生物分子的关联关系。

公开(公告)号：CN117831783A

公开(公告)日：2024-04-05

申请号：CN202410010463.X

申请日：2024-01-04

Applicant: 湖南大学

Inventor： 彭绍亮 ,  姬博亚 ,  黄雨薇 ,  许建邦 ,  邹海涛 ,  许力文

IPC: G16H50/70 ,  G16H50/30 ,  G16B40/00 ,  G16B20/30 ,  G16B50/00 ,  G06N3/0499 ,  G06N3/0464 ,  G06F18/22 ,  G06F18/25

Abstract: 本发明公开了一种基于多视图学习的miRNA‑疾病关联预测方法，包括：S1、获取miRNA‑疾病关联数据、药物‑miRNA数据、药物‑疾病数据、mRNA‑miRNA和mRNA‑疾病数据、lncRNA‑miRNA和lncRNA‑疾病数据，以及来自多个物种的miRNA信息；S2、利用miRNA序列信息获取序列特征、利用疾病信息获取疾病语义相似性；S3、计算miRNA与疾病的高斯交互谱核相似性GIP；S4、获得miRNA和疾病之间的潜在关联；S5、构建多个异构图；S6、利用多尺度注意机制，通过将局部上下文纳入注意模块的全局上下文中，融合多重结构特征；S7、将miRNA和疾病的多重嵌入聚合并输入多层感知器进行训练和预测，进行了五折和十折的交叉验证来评估模型的性能。本发明具有良好的预测性能，每个模块都调整到最优。

公开(公告)号：CN119580821A

公开(公告)日：2025-03-07

申请号：CN202411015960.5

申请日：2024-07-26

Applicant: 湖南大学

Inventor： 彭绍亮 ,  张诗涵 ,  黄雨薇 ,  许建邦

IPC: G16B15/30 ,  G16B20/00 ,  G16B50/00 ,  G16B40/00 ,  G16B50/10 ,  G06N3/0895

Abstract: 基于表征对齐空间的药物‑靶标相互作用预测方法及装置，该方法将蛋白质表征维度、药物表征维度、公共嵌入表征维度、多层感知器层数和批次维度参数进行初始化；通过若干药学数据库获取若干单源网络数据并进行比对处理，构建生物医药异构网络；根据对比学习策略，将蛋白质靶标及药物表征整合到公共嵌入表征空间，并通过DTI关联训练设定模型；将蛋白质靶标及其对应的若干药物表征输入训练好的设定模型进行DTI预测，获得最相关的若干药物。本发明通过构建生物医药异构网络，有利于预测未知药物相关的DTI关联；搭建嵌入表征对齐框架，既能利用高质量的表征方法表征生物医药网络和生物实体，也能利用对比损失解决训练数据稀疏的问题。