公开(公告)号：CN118298915A

公开(公告)日：2024-07-05

申请号：CN202410377446.X

申请日：2024-03-29

Applicant: 湖南财政经济学院

Inventor： 黄国华 ,  肖润娟

IPC: G16B20/30 ,  G16B40/00 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的方法预测人体mRNA中的n4‑乙酰胞苷位点，包括步骤：首先数据收集；之后使用独热编码特征编码的方法提取RNA序列的特征表示；然后基于残差网络、双向长短时记忆网络和多尺度卷积神经网络构建深度学习神经网络模型并进行特征提取；然后训练深度学习神经网络模型；最后利用训练好的模型预测未知的RNA序列，本发明通过引入时序建模机制来捕捉时序数据中的长程依赖关系；并通过引入更深层次、更复杂的特征提取方法，可以更全面地捕捉输入数据的抽象特征，提高模型对复杂模式的理解能力，可以进一步改进模型的性能，提高预测的准确性。

公开(公告)号：CN117393034A

公开(公告)日：2024-01-12

申请号：CN202311159528.9

申请日：2023-09-08

Applicant: 湖南财政经济学院 ,  邵阳学院

Inventor： 黄国华 ,  唐星宇

IPC: G16B15/30 ,  G16B40/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明公开了一种基于深度学习的非经典人类白细胞抗原绑定物预测方法，包括：使用电子‑离子相互作用势EIIP、整型数字映射INM和累积氨基酸频率AAAF三种特征编码方法进行特征提取，肽序列转换为特征向量；构建包含以下内容的深度学习模型：两个不同尺度的一维卷积层分别与最大池化层，Relu激活层，批标准归一化层，丢弃层，双向长短时记忆网络层和展平层顺序连接，构成了并行网络；对深度学习模型进行训练，将数据输入到训练后的模型中得到预测的概率值；本发明为预测非经典人类白细胞抗原绑定物提供了一种新的深度学习方法，降低了非经典人类白细胞抗原绑定物预测成本和时间投入，取得了比现有方法更好的预测性能。

公开(公告)号：CN117334251A

公开(公告)日：2024-01-02

申请号：CN202311266791.8

申请日：2023-09-27

Applicant: 湖南财政经济学院 ,  邵阳学院

Inventor： 黄国华 ,  肖润娟

IPC: G16B20/30 ,  G06N3/0464 ,  G16B40/20

Abstract: 本发明公开了一种用于识别SARS‑CoV‑2感染的磷酸化位点的深度学习方法，包括:首先收集已知的感染SARS‑CoV‑2的人类A549细胞的磷酸化位点数据集；再分别使用五种特征编码方法提取肽序列的特征表示；将这五种特征编码方法提取到的特征进行向量拼接；然后基于卷积神经网络、Gating机制、双向门控循环单元构建深度学习模型；使用正负样本的编码向量及其标签训练深度学习神经网络模型；利用训练好的模型预测未知的肽序列，本发明充分利用了卷积神经网络、gating机制和双向门控循环单元网络的优势，不仅实现了特征提取、信息整合和时序处理的协同作用，还为高效识别SARS‑CoV‑2感染的磷酸化位点提供了一种创新而准确的方法。