公开(公告)号：CN115481300A

公开(公告)日：2022-12-16

申请号：CN202211300942.2

申请日：2022-10-24

Applicant: 重庆邮电大学

Inventor： 刘群 ,  李敏 ,  周豪 ,  田紫伊 ,  龚旭 ,  刘茂涛

IPC: G06F16/9035 ,  G06F16/906

Abstract: 本发明属于数据不平衡预处理领域，具体涉及一种基于自然邻域密度的数据不平衡分类过采样方法，包括：获得待处理的不平衡数据集；搜索不平衡数据集中的数据，构建所有少数类样本的自然邻域；根据每个少数类样本的自然邻域内同质与异质样本的比例关系，筛选出种子样本集；提取每个种子样本的自然邻域密度；计算每个种子样本的权重信息；通过线性插值的方式合成新样本；汇总新合成样本集、种子样本集与多数类样本集，得到采样后的平衡数据集。本发明根据自然邻域关系的无参数邻域搜索策略，能自适应地搜索合适的邻域，也能有效地区分并过滤噪声样本和离群样本，同时，对邻域进行了合理地泛化，平衡数据分布的同时提高了数据质量。

公开(公告)号：CN119626315A

公开(公告)日：2025-03-14

申请号：CN202411664097.6

申请日：2024-11-20

Applicant: 重庆邮电大学

Inventor： 刘群 ,  张秀平 ,  龚旭

IPC: G16B15/30 ,  G16B40/00 ,  G16B50/30 ,  G06F18/15 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0499 ,  G06N3/0985

Abstract: 本发明属于生物信息技术领域，具体涉及一种基于多粒度表示的药物‑靶标相互作用预测方法；该方法包括：使用分层网络提取药物分子的增强分子表示；基于氨基酸序列中相邻的残基，分别对氨基酸序列中的一阶信息和二阶信息进行建模，从而提取多阶序列特征；采用Pconsc4工具对多重序列信息进行处理，得到蛋白质的空间结构信息表示；拼接增强分子表示、多阶序列信息和蛋白质的空间结构信息表示，得到融合特征；将融合信息输入到交互预测网络中，得到药物‑靶标相互作用预测结果；本发明不仅能够解决现有方法仅关注单粒度信息的弱点，提高预测准确度，而且表现出可解释性。

公开(公告)号：CN115410659A

公开(公告)日：2022-11-29

申请号：CN202211061498.3

申请日：2022-09-01

Applicant: 重庆邮电大学

Inventor： 刘群 ,  刘茂涛 ,  龚旭 ,  田紫伊 ,  李敏

IPC: G16C20/50 ,  G16C20/70 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及药物表示学习领域，具体涉及一种结合领域知识的药物分子生成方法，包括利用构象搜索算法获得分子3D构象，从而获得分子空间信息，利用分子空间信息增强分子的初始表示；利用优化后的谱聚类算法以及优化后的CH聚类评价指标获取分子的分子划分结果；根据分子的增强表示和分子划分结果，利用图卷积神经网络对其编码获得其隐空间嵌入表示，即分别为全局图表示和局部子图表示；利用互信息最大化机制优化全局图表示和局部子图表示，得到富含空间信息和子结构信息的分子表示，并应用于下游分子生成任务；本发明有助于捕捉到分子的空间和结构信息，同时能更好地服务于基于深度学习的药物发现领域相关任务。