“姬博亚”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果4个，建议您升级VIP下载更多相关专利

[发明专利]基于卷积去噪自编码机的piRNA-疾病关联关系预测方法-CN202111044208.X有效
发明人：彭绍亮;姬博亚;王小奇;习鹏;赵雄君 -专利权人：湖南大学
申请日： 2021-09-07 - 公布日： 2023-10-20 - 主分类号： G16B40/00 文献下载
摘要：本发明公开了一种基于卷积去噪自编码机的piRNA‑疾病关联关系预测方法，包括：数据集的选择与建立；Piwi蛋白质相互作用RNA序列相似性特征的生成；疾病语义相似性特征的生成；Piwi蛋白质相互作用RNA和疾病高斯相互作用谱核相似特征的生成；深度隐藏特征挖掘；训练集和测试集的构建；分类器模型的构建。本发明在五折交叉验证实验下取得了优异的性能表现，证明了卷积去噪自编码神经网络在Piwi蛋白质相互作用RNA和疾病关联预测中的有效性。通过案例研究更加证明了本发明在发现潜在Piwi蛋白质相互作用RNA和疾病关联关系的实际应用能力。
基于卷积编码 pirna 疾病关联关系预测方法

[发明专利]一种基于自监督图表征学习的药物重定位预测方法-CN202110865026.2有效
发明人：彭绍亮;王小奇;程英杰;姬博亚;程孝孝;王红 -专利权人：湖南大学
申请日： 2021-07-29 - 公布日： 2023-04-07 - 主分类号： G16B15/30 文献下载
摘要：本发明属于计算机科学领域，公开了一种基于自监督图表征学习的药物重定位预测方法。首先探索发现生物异质网络中不同实体之间的多中心结构特征，并被用于元路径设计；其次，通过基于路径检测的自监督学习机制训练深度Transformer编码器，生成可以反映生物异质网络中全局信息的表征向量；同时，通过集成生物医学实体掩码任务来捕获网络节点之间的局部关联信息；最后，将来自不同任务模型的表征拼接起来作为特征向量，并利用传统的支持向量机模型预测生药物‑靶标的相互作用关系。本发明通过自监督图表征模型捕获了生物异质网络中的局部‑全局信息，进而提高了药物重定位预测精度，同时降低了对生物医学标注数据的依赖性，更加符合生物医药的实际应用。
一种基于监督图表学习药物定位预测方法

[发明专利]一种毒力因子和抗生素抗性基因的混合预测方法-CN202210781902.8在审
发明人：彭绍亮;姬博亚;皮文定;刘文娟;赵雄君 -专利权人：湖南大学
申请日： 2022-06-30 - 公布日： 2022-10-11 - 主分类号： G16B40/20 文献下载
摘要：本发明公开了深度学习和生物信息学技术领域的一种毒力因子和抗生素抗性基因的混合预测方法，该毒力因子和抗生素抗性基因的混合预测方法包括以下步骤：S1.分别从数据库中获取已知的抗生素抗性基因序列数据、毒力因子序列数据以及负样本基因序列数据；S2.利用基因序列信息分别计算多种核心基因特征，构建深度学习神经网络架构和经典集成学习架构；S3.将S1中三类序列数据作为样本，划分中训练数据集和测试数据集；S4.利用多种分类方法获取新的训练数据集；对新的训练数据集构建分类模型，获取分类模型的性能评价指标。该毒力因子和抗生素抗性基因的混合预测方法预测效果好、预测准确率较高。
一种毒力因子抗生素抗性基因混合预测方法

[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