-
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。
-
Patent Agency Ranking
公开(公告)号：CN113313167B
公开(公告)日：2022-05-31
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：CN112652355A
公开(公告)日：2021-04-13
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：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。
-
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：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。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
