-
公开(公告)号：CN118606611A
公开(公告)日：2024-09-06
申请号：CN202410281229.0
申请日：2024-03-12
Applicant: 湖南工业大学
IPC: G06F17/16 , G06F17/18 , G16B50/30 , G16B50/10 , G16B15/30 , G06F18/22 , G06N3/0464 , G06N3/0895 , G06N3/084
Abstract: 本发明公开了一种基于半监督非负矩阵分解(ssNMF)和最小角回归(LARS)的空间转录组(ST)解卷积方法及应用。本发明所述方法首先利用ssNMF将单细胞转录组(scRNA‑seq)数据分解为基矩阵和系数矩阵，然后LARS将ST数据映射到基于基矩阵的主题分布中，最后非负最小二乘(NNLS)将系数矩阵与LARS得到的矩阵之间的残差最小化，计算每个细胞类型的权重，进一步评估推断spot组成的可靠性。本发明以更高的精度和灵敏度体现了细胞类型标注的性能，精确地捕获了ST数据中的细胞类型分布，应用于截然不同的生物组织和测序平台，解决了现有技术中空间转录组分析方法在对细胞类型标注的灵敏度和稳健性仍有待提高的问题。
-
公开(公告)号：CN117746990A
公开(公告)日：2024-03-22
申请号：CN202311643957.3
申请日：2023-12-01
Applicant: 湖南工业大学
IPC: G16B40/00 , G16C20/70 , G16C20/50 , G16B15/30 , G16B30/00 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06F18/25 , G06F18/2415
Abstract: 本发明公开了一种基于双向Intention网络的药物‑靶标相互作用预测方法。本发明分别使用图卷积网络对药物特征进行编码，以及融合自注意力机制和卷积的融合体ACmix对蛋白质特征进行编码，得到药物分子的特征和蛋白靶标的特征，使用双向Intention网络融合药物和蛋白质特征，基于融合的药物‑靶标特征向量，通过多层感知器对未知的药物‑靶标对进行分类，得到预测结果。本发明增强了药物和蛋白质的特征表示，有效地学习药物与蛋白质间的交互特征，有效的融合药物和蛋白质特征，提高了模型的可解释性和泛化能力，解决了药物‑靶标相互作用预测过程中药物和蛋白质二者特征的融合不够完善的问题。
-
公开(公告)号：CN113921106A
公开(公告)日：2022-01-11
申请号：CN202110809155.X
申请日：2021-07-16
Applicant: 湖南工业大学
Abstract: 本发明公开了一种基于有界核范数正则化的新冠肺炎药物筛选模型。首先，通过公开可用的数据库整理方法所需要的病毒和药物的相关信息；其次，分别计算病毒和药物的相似性；再次，构建异构网络，整合邻接矩阵；第四，提出VDA‑GBNNR模型，填补病毒与药物之间的未知的关联，根据得分排名先后筛选出抗新冠病毒的候选药物；最后，将预测出的排名靠前的小分子药物与受体蛋白进行分子对接，得到分子结合能与结合位点。本发明通过结合核范数正则化来实现有噪声的矩阵补全，有效地解决了过拟合问题，并且加入一个范围约束，强制所有预测结果的输出矩阵内的所有值在特定范围内。实验结果表明，该方法得到的AUC值较高，能够较为准确地预测病毒与药物的关联。
-
公开(公告)号：CN110492939A
公开(公告)日：2019-11-22
申请号：CN201910812652.8
申请日：2019-08-30
Applicant: 湖南工业大学
IPC: H04B10/116 , H04B10/50 , H04B10/516 , H04B10/60 , H04M1/02
Abstract: 一种基于卷帘效应相机的可见光通信的间隔色移键控装置，包括发送端和接收端，所述发送端依次设置有个人主机、信号发生模块、间隔色移键控映射模块、LED驱动模块、RGB-LED信号发射模块、光漫射器，所述接收端依次设置有智能手机接收模块、间隔色移键控解映射模块。本发明实现了间隔色移键控调制在可见光通信系统中的应用；通过采用商用的RGB-LED和普通的智能手机，在误码率为3.8e-3情况下，基于间隔色移键控的可见光通信系统可以实现高达1280比特每帧的数据速率，系统中没有时钟恢复和晕染缓解过程，提高了系统的传输性能和降低了实现的复杂度。
-
公开(公告)号：CN113921106B
公开(公告)日：2025-04-25
申请号：CN202110809155.X
申请日：2021-07-16
Applicant: 湖南工业大学
Abstract: 本发明公开了一种基于有界核范数正则化的新型冠状病毒感染引起的肺炎药物筛选模型。首先，通过公开可用的数据库整理方法所需要的病毒和药物的相关信息；其次，分别计算病毒和药物的相似性；再次，构建异构网络，整合邻接矩阵；第四，提出VDA‑GBNNR模型，填补病毒与药物之间的未知的关联，根据得分排名先后筛选出抗新型冠状病毒的候选药物；最后，将预测出的排名靠前的小分子药物与受体蛋白进行分子对接，得到分子结合能与结合位点。本发明通过结合核范数正则化来实现有噪声的矩阵补全，有效地解决了过拟合问题，并且加入一个范围约束，强制所有预测结果的输出矩阵内的所有值在特定范围内。实验结果表明，该方法得到的AUC值较高，能够较为准确地预测病毒与药物的关联。
-
Patent Agency Ranking
公开(公告)号：CN113313167A
公开(公告)日：2021-08-27
申请号：CN202110592443.4
申请日：2021-05-28
Applicant: 湖南工业大学
Abstract: 本发明涉及一种基于深度学习的双神经网络结构预测lncRNA－蛋白质相互作用方法。首先，LPI特征提取：先获取已知的lncRNA序列、蛋白质序列，分别用Pyfeat和BioTriangle提取lncRNA和蛋白质的特征；然后，特征降维：基于主成分分析(PCA)分别对lncRNA和蛋白质原始特征进行降维，在降维之后将这些特征连接成一个向量；其次，建立LPI预测框架模型：建立由FIR网络和MLP网络组成的双神经网络结构的深度学习模型；最后，利用双神经网络结构对未知lncRNA‑蛋白质对进行分类。本发明比利用实验手段探测大规模的lncRNA‑蛋白质交互作用耗时更少，费用更低，可以实现对多个数据集进行训练和测试，预测偏差小，预测性能好，预测结果准确，并可以用于寻找新的lncRNA‑蛋白质关联对。
-
公开(公告)号：CN117253550A
公开(公告)日：2023-12-19
申请号：CN202311159405.5
申请日：2023-09-08
Applicant: 湖南工业大学
IPC: G16B40/30 , G06F18/2323 , G06F18/214 , G06N3/0895 , G06N3/0455 , G06N3/042
Abstract: 本发明公开了一种空间转录组数据聚类方法，包括：先对原始数据进行预处理，同时构建spot空间邻居网络；其次，通过图注意力自动编码器进一步学习空间信息和基因表达的低维潜在表示，通过多尺度自表达模块学习编码器中不同层的自表达系数矩阵并融合在一起，在深度子空间聚类模块中，采用谱聚类，并将聚类标签反馈给自监督模块；自监督模块通过构建返回编码器的自监督路径来指导潜在表示的学习；最后，进行生物学分析；本发明通过集成空间信息和基因表达谱学习低维潜在嵌入，利用STMSGAL提高空间分辨转录组的聚类性能。
-
公开(公告)号：CN116665766A
公开(公告)日：2023-08-29
申请号：CN202310258539.6
申请日：2023-03-16
Applicant: 湖南工业大学
IPC: G16B15/30 , G16B40/00 , G16C10/00 , G16C20/30 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于图扩张卷积策略的药物靶标结合亲和力预测模型及方法。本发明通过特征编码模块对药物分子及局部信息和靶标进行特征编码，分别通过采用图扩张卷积策略的多通道通用聚合网络模块、多层残差卷积网络的药物序列表示学习模块以及双向长短周期记忆网络的靶标序列表示学习模块分别对药物分子结构、药物分子的局部化学信息和靶标结构进行特征提取，最后将提取到的药物全局结构特征、药物局部化学特征和靶标序列特征级联后经过DTA预测模块进行药物靶标亲和力值预测，有效地提高了药物靶标结合亲和力预测精度和药物重定向过程的成功率，解决了药物靶标结合亲和力预测精度不高，药物重定向过程的成功率较低的问题。
-
公开(公告)号：CN112652355B
公开(公告)日：2023-07-04
申请号：CN202011423290.2
申请日：2020-12-08
Applicant: 湖南工业大学
Abstract: 本发明提出了一种基于深度森林和PU学习的药物‑靶标关系预测方法,包括以下步骤：S1、获取药物的结构信息、靶标的序列信息和已知的药物‑靶标关系；S2、基于药物结构信息和靶标序列信息分别构建药物之间的相似性矩阵和靶标之间的相似性矩阵；S3、采用PU学习来筛选潜在的药物‑靶标负相关关系；S4、基于相似的药物共享相似的靶标的假设，使用深度森林模型对药物‑靶标关系进行预测。本发明能够更准确的预测药物‑靶标关系，能够减少生物实验所需的时间和资源，为药物发现和药物重定位提供了研究基础。
-
公开(公告)号：CN115691680A
公开(公告)日：2023-02-03
申请号：CN202211213760.1
申请日：2022-09-30
Applicant: 湖南工业大学
Abstract: 本发明公开了一种基于Boosting与深度森林及单细胞测序数据的细胞通讯预测方法及应用，在提取配体和受体生物特征的基础上，设计极限梯度提升算法选择配体‑受体对的特征。然后基于类别特征梯度提升算法、自然梯度提升算法和深度森林模型，设计集成框架预测配体‑受体相互作用。并结合肿瘤组织的单细胞测序数据，对已知的和预测的配体－受体相互作用数据进行过滤。再根据过滤后的的配体‑受体相互作用和单细胞测序数据，结合表达乘积法和表达阈值法对肿瘤微环境下的细胞通讯进行预测。本发明所述方法能够提高细胞通讯的预测效果，可以应用于人类肿瘤组织中的细胞通讯预测，解决现有方法中基于配体‑受体相互作用预测细胞通讯强度准确率不高的问题。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
