“G16B40/20”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果187个，建议您升级VIP下载更多相关专利

[发明专利]一种预测早期肺癌术后复发的模型及方法-CN202210477651.4在审
发明人：张仕蓉;江洪;项晶晶;马胜林;李炜龙;陈雪琴 -专利权人：杭州市第一人民医院
申请日： 2022-04-29 - 公布日： 2022-08-16 - 主分类号： G16B40/20 文献下载
摘要：本发明公开了一种预测早期肺癌术后复发的模型，其通过如下方法构建：收集早期肺癌术后复发患者和未复发患者的样本，进行全外显子测序和RNA测序，并整合基因组和转录组的特征构建复发预测模型。本发明还提供一种预测早期肺癌术后复发的方法，采用上述的模型对早期肺癌术后患者是否复发进行预测。本发明能为预测复发提供更有价值的标记物，这可能会通过提供支持应用某些治疗方案的证据，使亚群患者受益。
一种预测早期肺癌术后复发模型方法

[发明专利]一种基于序列特征的植物长链非编码RNA预测方法-CN202210570828.5在审
发明人：龚乐君;陈静梅 -专利权人：南京邮电大学
申请日： 2022-05-24 - 公布日： 2022-08-09 - 主分类号： G16B40/20 文献下载
摘要：一种基于序列特征的植物长链非编码RNA预测方法，包括正负数据集构建去冗余、序列k‑mer频率特征提取、特征融合与选择以及分类器对比，正负数据集的构建去冗余旨在消除序列相似性对预测结果造成的影响，序列特征提取实现了对基因序列k‑mer特征的提取，特征融合在序列k‑mer特征提取的基础上加入序列长度特征和序列GC含量特征后将这三类特征进行融合，接着使用卡方检验进行最优特征选择，最后运用梯度提升决策树算法解决植物lncRNA的识别分类问题。本发明深入挖掘了基因序列特征，有效的融合这些特征且加以选择，为如何从大量的转录本中准确地识别出植物lncRNA这一问题提供了可行的方法。
一种基于序列特征植物长链非编码 rna 预测方法

[发明专利]一种基于集成学习的细胞类型自动分类方法-CN202210570833.6在审
发明人：龚乐君;周佘海 -专利权人：南京邮电大学
申请日： 2022-05-24 - 公布日： 2022-08-09 - 主分类号： G16B40/20 文献下载
摘要：一种基于集成学习的细胞类型自动分类方法，该集成学习算法使用bagging的方式集成了各种在单细胞测序领域性能较好的机器学习算法，如支持向量机(SVM)，逻辑回归（LR）、随机森林（RF）等，使用投票的方式决定最终的预测细胞类型。使用该集成学习方法在多个不同类型的单细胞RNA测序数据集上进行细胞分类的性能比较，将取得更好的分类性能，以体现该集成学习方法的泛化性及优越性。
一种基于集成学习细胞类型自动分类方法

[发明专利]利用起源组织阈值的癌症分类-CN202080086135.8在审
发明人：刘勤文;O·C·维恩;S·S·格罗斯;R·A·P·卡列夫 -专利权人：格瑞尔有限责任公司
申请日： 2020-10-09 - 公布日： 2022-08-05 - 主分类号： G16B40/20 文献下载
摘要：公开了用于检测癌症和/或确定癌症起源组织的方法和系统。在一些实施例中，公开了一种多类癌症分类器，其用包含cfDNA片段的多个生物样本进行训练。分析系统得到每个样本的特征向量，并且多类分类器预测多个起源组织(TOO)类别中的每个起源组织的概率似然性。在一些实施例中，多个TOO类别包括血液亚类，包括血液恶性肿瘤和前体病症两者。在一个实施例中，具有高组织信号的非癌症样本从训练样本集中被剪除。在另一实施例中，分析系统根据组织信号对样本进行分层，并应用为每个层确定的二元截断阈值。
利用起源组织阈值癌症分类

[发明专利]微生物信息的解读方法及装置、设备及存储介质-CN202210315360.5在审
发明人：卓超;王艳;梁小丹;李映华;吴楠;朱翰伟;梁碧婵;张逸乔;张楠;陈思彤 -专利权人：广州金域医学检验中心有限公司;成都培华生物科技有限公司
申请日： 2022-03-28 - 公布日： 2022-07-22 - 主分类号： G16B40/20 文献下载
摘要：本发明实施例公开了一种微生物信息的解读方法及装置、设备及存储介质，该方法包括：获取用户在客户端输入的微生物信息以及标本信息；利用预设的逻辑分类树、微生物信息以及标本信息，确定微生物信息中的微生物分类信息；若微生物分类信息包括可能致病菌，则根据可能致病菌对应的目标微生物确定逻辑分类树中与目标微生物对应的待询问问题，并将待询问问题返回至客户端；根据回答以及逻辑分类树对目标微生物进行微生物分类，确定目标微生物的目标分类信息；根据微生物分类信息以及目标分类信息，确定微生物信息中的各个微生物对应的微生物分类结果，并将微生物分类结果返回至客户端。通过上述方法，可以提高对于微生物分类的准确度。
微生物信息解读方法装置设备存储介质

[发明专利]一种基于多模态堆叠自动编码机的microRNA-疾病关联预测方法-CN202110167684.4有效
发明人：姬博亚;尤著宏;胡伦;王磊;周喜;蒋同海;黄历广 -专利权人：中国科学院新疆理化技术研究所
申请日： 2021-02-07 - 公布日： 2022-07-22 - 主分类号： G16B40/20 文献下载
摘要：本发明公开了一种基于多模态堆叠自动编码机的microRNA‑疾病关联预测方法，该方法包括microRNA序列特征以及疾病语义相似性特征；构建microRNA‑蛋白质‑疾病网络，microRNA‑mRNA‑疾病网络，microRNA‑lncRNA‑疾病网络，利用LINE网络嵌入方法分别获取microRNA，疾病与蛋白质，mRNA，lncRNA之间的网络邻近特征；利用多模态堆叠自动编码机分别对microRNA与疾病的四种特征（本身属性特征，蛋白质网络邻近特征，mRNA网络邻近特征，lncRNA网络邻近特征）挖掘高级抽象特征，降低模型时间复杂度，提高模型预测准确率；对处理后特征分别使用CatBoost分类器进行训练和预测，将四种特征预测得分平均值作为最终预测得分。本发明解决了传统生物实验方法高耗时，高成本问题，实现了更好的分类效果，以更高的准确率预测出潜在的microRNA与疾病关联关系。
一种基于多模态堆叠自动编码 microrna 疾病关联预测方法

[发明专利]一种基于DNA测序数据的同源重组缺陷判定方法-CN202010270712.0有效
发明人：赵仲孟;戴道成;易鑫;易玉婷;管彦芳;王嘉寅;张选平 -专利权人：西安交通大学;北京吉因加科技有限公司
申请日： 2020-04-08 - 公布日： 2022-07-12 - 主分类号： G16B40/20 文献下载
摘要：本发明公开了一种基于DNA测序数据的同源重组缺陷判定方法，获取特征属性；提取有效数据；基于三重学习法框架，考虑到较好的泛化能力、较高的准确度和对多维特征属性的处理效率，选择三个不同的基分类器H1、H2、H3；对H1、H2、H3进行迭代训练得到扩充训练集，由此对模型进行更新，完成训练过程；使用所训练的模型对未标记样本集U进行标记，根据标记结果完成HRD状态的判定。本发明解决了使用单一或少量基因组不稳定性状态等局部特征来进行HRD状态判定的局限性，克服临床上已知HRD状态的样本数量极少的难点，实现已有样本数据下的多特征属性的学习，能够提高HRD判定方法的性能。
一种基于 dna 序数同源重组缺陷判定方法

[发明专利]玉米目标QTL区间内目标基因的挖掘方法及系统-CN202210505280.6在审
发明人：李林;王席;李娟;韩林倩;梁诚用 -专利权人：华中农业大学
申请日： 2022-05-10 - 公布日： 2022-07-08 - 主分类号： G16B40/20 文献下载
摘要：本申请公开了玉米目标QTL区间内目标基因的挖掘方法及系统，用于目标QTL区间内与玉米目标性状相关目标基因的挖掘。该方法通过定位目标QTL区间，得到目标区间内的成组材料的差异表达基因和结构变异基因信息，基于该信息通过第一算法和/或第二算法分别得到的第一预测值和/或第二预测值，以此得到第一候选清单和/或第二候选清单，从而经过表型验证得到目标基因。与传统定位方法相比，该方法或系统无需多年多点的精细定位过程，基于前期的初定位结果，仅需2～3代就可以确定目标QTL的候选基因，这将极大地促进QTL的定位过程和功能基因克隆。
玉米目标 qtl 区间基因挖掘方法系统

[发明专利]用于多重分类学分类的方法和系统-CN201680023810.6有效
发明人：史蒂文·弗莱加尔;基思·西蒙;蔡斯·米勒;乔羿;卡伦·埃尔贝克;盖博·马尔斯;马克·严德尔;罗伯特·施拉伯格;爱德华·J·奥斯本 -专利权人：犹他大学研究基金会
申请日： 2016-04-22 - 公布日： 2022-07-08 - 主分类号： G16B40/20 文献下载
摘要：本文描述了鉴定样品中的多个多核苷酸以及检测多个分类单元的存在、不存在或丰度的方法。还提供了用于执行本发明的方法的系统。
用于多重分类学分类方法系统

[发明专利]基于补体相关基因的肉瘤患者预后预测模型和试剂盒中的应用-CN202210291719.X在审
发明人：赫捷;高亦博;张霖;林伟浩 -专利权人：中国医学科学院肿瘤医院
申请日： 2022-03-23 - 公布日： 2022-06-14 - 主分类号： G16B40/20 文献下载
摘要：本发明提供C1S表达和C1QBP表达在构建用于肉瘤患者预后预测模型中的应用及检测C1S表达和C1QBP表达在制备用于肉瘤患者预后预测试剂盒中的应用。本发明提供了一种基于肿瘤标本的C1S、C1QBP表达的预测肉瘤患者预后的方法，在肉瘤患者的预后分层中具有较大的帮助。该模型在TCGA的肉瘤公共队列中对1,3,5年预后预测的AUC达到0.714、0.665、0.678，在TARGET‑OS公共队列中对1,3,5年预后预测的AUC达到0.719、0.648、0.590，在GSE63157公共队列中对1,3,5年预后预测的AUC达到0.730、0.673、0.630，具有较为优越的预测性能。
基于补体相关基因肉瘤患者预后预测模型试剂盒中的应用

[发明专利]一种基于组织器官分化层次关系的癌症类型预测系统和方法-CN201910852801.3有效
发明人：李鹏;施巍炜;王凯 -专利权人：至本医疗科技（上海）有限公司
申请日： 2019-09-10 - 公布日： 2022-06-10 - 主分类号： G16B40/20 文献下载
摘要：本发明提供了一种基于组织器官分化层次关系的癌症类型预测系统和方法。该方法包括：获取多个癌症类型中的每种癌症的转录组基因表达量数据作为训练集；将不同的癌症类型按照组织器官分化关系分成第一等级和第二等级；基于组织器官分化层次关系进行特征选取，即对于每个等级的每种组织器官类型或癌症类型，选取该种癌症类型和训练集中其它所有癌症类型相比较为差异表达基因并且是高表达的基因，得到所选取的基因的每个的表达量的值作为特征值；对上述特征值进行归一化处理；将上述归一化处理的特征值输入机器学习算法以构建双层机器学习分类模型；以及对将处理后的待检测样本数据输入到双层机器学习分类模型中进行预测。
一种基于组织器官分化层次关系癌症类型预测系统方法

[发明专利]一种基因表达量特征选择方法-CN202210193416.4在审
发明人：盖凌云;时鸿涛 -专利权人：青岛农业大学
申请日： 2022-03-01 - 公布日： 2022-05-31 - 主分类号： G16B40/20 文献下载
摘要：本发明提供了一种基因表达量特征选择方法，涉及生物信息学和机器学习领域，以原始基因表达量数据集和候选特征子集对应的基因表达量数据集分别与类别向量之间的联合互信息是否相等作为最大相关性的判断条件，将最大条件互信息公式作为目标函数，迭代选择满足目标函数的基因特征来获取具有最大相关性的候选特征子集，再通过删除候选特征子集中的冗余特征，从而能够筛选出同时具有最大相关性和最小冗余度的最小特征子集。
一种基因表达特征选择方法

[发明专利]用于预测测试物质在人类中的适应症的人工智能模型-CN202080072814.X在审
发明人：佐藤匠德 -专利权人：无限生物制药公司
申请日： 2020-10-16 - 公布日： 2022-05-27 - 主分类号： G16B40/20 文献下载
摘要：目的是即使在测试物质具有关于用于获取训练数据的现有物质尚未已知的功效的情况下也预测该测试物质的功效。使用通过如下的训练方法训练的人工智能模型，该训练方法包括：将第一训练数据集、第二训练数据集和第三训练数据集彼此相关联地输入到人工智能模型中，以训练所述人工智能模型。第一训练数据集是指示如下的数据集：从已经分别给予在人类中具有已知适应症的多个预定现有物质的相应非人类动物收集到的一个器官或多个不同器官中的各器官中的生物标志物的动态的数据集与指示所给予的预定现有物质的相应名称的标签相关联。第二训练数据集是指示如下的数据集：多个预定现有物质的相应名称的标签与指示针对多个预定现有物质中的各预定现有物质所报告的适应症的标签相关联。第三训练数据集是指示如下的数据集：针对多个预定现有物质中的各预定现有物质所报告的适应症的标签与关于与这些适应症中的各适应症相对应地报告的不良事件的信息相关联。人工智能模型用于预测测试物质在人类中的适应症。
用于预测测试物质人类中的适应症人工智能模型

[发明专利]一种基于胶囊神经网络和集成学习的关键蛋白质识别方法-CN202010249587.5有效
发明人：彭玮;李霞;戴伟 -专利权人：昆明理工大学
申请日： 2020-04-01 - 公布日： 2022-05-27 - 主分类号： G16B40/20 文献下载
摘要：本发明公开了一种基于胶囊神经网络和集成学习的关键蛋白质识别方法，包括：步骤1：利用Cytoscape工具提取蛋白质在蛋白质相互作用网络中的八种生物学特征；步骤2：使用胶囊神经网络提取八种生物学特征的更深层的增强特征；步骤3：将生物学特征和蛋白质增强特征进行连接；步骤4：将步骤3得到的连接后的特征放入到集成模型Multi‑ensemble中，对模型进行训练，并利用训练好的集成模型预测新的关键蛋白质；步骤5：输出结果。本发明通过胶囊神经网络提取的增强特征比初始的生物学特征更能提高一些机器学习模型预测关键蛋白质的准确性。并且通过融合初始生物学特征和增强特征能进一步提高机器学习模型预测关键蛋白质的准确性。
一种基于胶囊神经网络集成学习关键蛋白质识别方法

[发明专利]用于训练机器学习算法以处理生物学相关数据的系统和方法、显微镜及经训练的机器学习算法-CN201980099039.4在审
发明人： C·卡佩尔 -专利权人：徕卡显微系统CMS有限公司
申请日： 2019-06-07 - 公布日： 2022-05-06 - 主分类号： G16B40/20 文献下载
摘要：系统(100)包括一个或多个处理器(110)和一个或多个存储设备(120)，其中系统(100)配置为通过由一个或多个处理器(110)执行的语言识别机器学习算法生成基于生物学相关语言的输入训练数据(102)的第一高维表示。此外，系统(100)配置为通过语言识别机器学习算法根据第一高维表示生成基于生物学相关语言的输出训练数据，根据基于生物学相关语言的输入训练数据(102)和基于生物学相关语言的输出训练数据的比较调整语言识别机器学习算法。此外，系统(100)配置为通过由一个或多个处理器(110)执行的视觉识别机器学习算法生成基于生物学相关图像的输入训练数据(104)的第二高维表示，根据第一高维表示和第二高维表示的比较调整视觉识别机器学习算法。
用于训练机器学习算法处理生物学相关数据系统方法显微镜