[发明专利]基于跨物种迁移学习预测合成致死基因在审
| 申请号： | 201910991037.8 | 申请日： | 2019-10-18 |
| 公开（公告）号： | CN110797080A | 公开（公告）日： | 2020-02-14 |
| 发明（设计）人： | 卢新国;屈强;朱正浩;王新宇;陈浩文 | 申请（专利权）人： | 湖南大学 |
| 主分类号： | G16B15/20 | 分类号： | G16B15/20;G16B40/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410082 湖南省*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于生物信息学领域，具体涉及基于跨物种迁移学习预测合成致死基因方法。本发明的方法将酿酒酵母学习到的合成致死基因迁移到人类中，以预测人类的合成致死基因。该方法由两个基本步骤组成。首先，进行流形特征学习，学习两个物种的新特征表示。然后，采用动态分布对齐的方法，定量评价了边缘分布和条件分布的相对重要性，并自适应地最小化了两个物种之间的边缘分布和条件分布差异。最后，通过总结这两个步骤来学习域不变的合成致死基因分类器。本发明可用于预测人类的合成致死基因。 | ||
| 搜索关键词： | 致死基因 合成 边缘分布 预测 生物信息学领域 物种 定量评价 动态分布 分布差异 酿酒酵母 特征学习 物种迁移 对齐 分类器 新特征 学习域 自适应 最小化 可用 流形 学习 迁移 | ||
【主权项】：
1.基于跨物种迁移学习预测合成致死基因，其特征在于实施步骤:/n(1)收集数据，从BioGrid蛋白质相互作用数据库收集的酿酒酵母、裂殖酵母和人类蛋白质相互作用数据生成PPI网络；/n(2)数据预处理，对源物种和目标物种计算PPI网络拓扑相似性和基于GO的语义相似性度量，通过线性组合得到特征矩阵；/n(3)流形特征学习，将源数据集和目标数据集嵌入到Grassmann流形方法中，然后将源特征空间转化为Grassmann流形特征空间；/n(4)动态分布对齐，采用动态分布对齐的方法，定量地评价了两个物种之间的边缘分布和条件分布分布的重要性；/n(5)拉普拉斯正则化，引入拉普拉斯正则化来进一步利用流形方法G中邻近点的相似几何性质得到pair-wise affinity矩阵。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于湖南大学，未经湖南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910991037.8/，转载请声明来源钻瓜专利网。
- 同类专利
- 基于跨物种迁移学习预测合成致死基因-201910991037.8
- 卢新国;屈强;朱正浩;王新宇;陈浩文 - 湖南大学
- 2019-10-18 - 2020-02-14 - G16B15/20
- 本发明属于生物信息学领域，具体涉及基于跨物种迁移学习预测合成致死基因方法。本发明的方法将酿酒酵母学习到的合成致死基因迁移到人类中，以预测人类的合成致死基因。该方法由两个基本步骤组成。首先，进行流形特征学习，学习两个物种的新特征表示。然后，采用动态分布对齐的方法，定量评价了边缘分布和条件分布的相对重要性，并自适应地最小化了两个物种之间的边缘分布和条件分布差异。最后，通过总结这两个步骤来学习域不变的合成致死基因分类器。本发明可用于预测人类的合成致死基因。
- 一种基于邻域子图连通性的蛋白质预测方法-201911014545.7
- 王雷;邹赛;朱贤友;陈治平 - 长沙学院;重庆电子工程职业学院
- 2019-10-24 - 2020-02-11 - G16B15/20
- 一种基于邻域子图连通性的蛋白质预测方法。本发明将基因表达信息与PPI网络相结合，提出了一种新的基于邻域子图连通性的无参数蛋白质识别方法。首先采用数学语言定义PPI网络的邻域子图，其次基于基因表达数据构建加权邻域子图，最后定义邻接子图连通性来衡量蛋白质的重要性，实验表明本发明具有很好的性能。
- 虚拟筛选在制备蛋白激酶抑制剂的应用和药物先导化合物-201910998324.1
- 张娜;李春琼;张雪文;孙国辉;赵丽娇;钟儒刚 - 北京工业大学
- 2019-10-21 - 2020-01-21 - G16B15/20
- 本发明属于药物化学领域，提供了虚拟筛选在制备蛋白激酶抑制剂的应用和药物先导化合物，所述筛选方法包括如下步骤：(1)通过虚拟筛选获得候选化合物；(2)将步骤(1)获得的候选化合物进行体外蛋白激酶活性及抗肿瘤细胞增殖活性检测，筛选得到目标化合物。本发明的筛选方法得到了对CK2及肺癌细胞A549有抑制活性的目标化合物，该方法具有省时省力，节约成本，高效率等优点。
- 一种分析预测癌症突变影响LIR模体功能的方法-201810378036.1
- 薛宇;邓万锟;贾大 - 华中科技大学
- 2018-04-25 - 2019-12-06 - G16B15/20
- 本发明公开了一种分析预测癌症突变影响LIR模体功能的方法，包括以下步骤：(1)利用LIR模体数据训练预测模型；(2)利用模型对癌症突变前后的肽段数据分别打分；(3)利用模型对候选肽段的肽段数据进行打分，得出打分结果与该候选肽段对应的肽段数据其属于真实LIR模体或非真实LIR模体的贝叶斯概率之间的关系，接着将癌症突变前后对应的肽段分别作为候选肽段，并代入步骤(2)中的打分结果，得到癌症突变前后对应的肽段它们的贝叶斯概率；(4)计算该癌症突变对于LIR功能的可选影响方式的概率。本发明通过利用LIR模体数据、以及癌症突变前后对应的肽段数据，系统性的研究癌症突变对LIR模体功能的影响，能够预测出癌症突变对于LIR功能的可选影响方式的概率。
- 专利分类
