公开(公告)号：CN119785874A

公开(公告)日：2025-04-08

申请号：CN202411829445.0

申请日：2024-12-12

Applicant: 湖南科技大学

Inventor： 彭理 ,  林艳柔 ,  杨宗益 ,  全家宝 ,  高浚凯 ,  梁伟

IPC: G16B15/30 ,  G16B40/20 ,  G06F18/21 ,  G06F18/25 ,  G06F18/20 ,  G06N3/0455 ,  G06N3/082 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明公开了一种基于超图和主动学习的药物‑靶标相互作用预测方法，大致分为以下步骤：利用药物‑靶标已知关联、药物‑药物相互作用以及靶标‑靶标相互作用构建药物‑靶标邻接矩阵；根据药物‑靶标已知关联矩阵构造药物超图和靶标超图；将药物和靶标的初始特征嵌入分别输入双路径信息传递网络中，引入对比学习机制来优化表征；使用基于Transformer的语义特征融合模块来聚合局部特征和全局特征；将最终的节点特征输入到多层感知机来预测药物‑靶标相互作用；从负样本池中根据查询策略选择部分负样本，更新训练集。本发明在模型层面实现轻量化设计，提出了基于主动学习的负样本选择策略，通过不断迭代来优化训练集中的负样本，提高了模型性能。

公开(公告)号：CN118888011A

公开(公告)日：2024-11-01

申请号：CN202410917624.3

申请日：2024-07-09

Applicant: 湖南科技大学

Inventor： 彭理 ,  王旺 ,  林艳柔 ,  梁伟

IPC: G16B40/20 ,  G16B30/00 ,  G06F18/213 ,  G06F18/241 ,  G06F18/25 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于多源特征提取的miRNA‑circRNA预测方法、设备及介质。该方法具体步骤如下：首先，通过不同的方式获取miRNA和circRNA的不同尺度特征。其次，从不同角度对五种特征进行特征聚合和特征增强学习：第一，针对不同特征聚合同质图上的同质信息；第二，使用双卷积注意力进行多特征增强学习，第三，使用双线注意力交互异质信息。然后，将通过三种不同角度特征学习的嵌入分别与原始特征融合表示进行对比学习，利用对比损失函数优化向量表示。最后，将三种特征向量连接作为最后的特征嵌入进行预测。本发明针对多尺度特征从三个不同角度进行特征学习，丰富了节点的特征信息，提高了模型的评估性能。