[发明专利]通过综合计算和实验深度突变学习框架解释基因和基因组变体在审

专利信息
申请号: 201880050685.7 申请日: 2018-06-19
公开(公告)号: CN111095422A 公开(公告)日: 2020-05-01
发明(设计)人: C·L·阿拉亚;J·A·罗伊特;S·R·帕迪格帕蒂;A·科拉温 申请(专利权)人: 琼格拉有限责任公司
主分类号: G16B40/20 分类号: G16B40/20;G16B20/20;G16B5/00;G16B40/00;G16B40/30;G16B20/00;C12Q1/68
代理公司: 中国国际贸易促进委员会专利商标事务所 11038 代理人: 张小勇
地址: 美国加*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要: 本文公开了用于确定生物样品内所鉴别的分子变体的表型影响的系统、方法和计算机程序产品实施方案。实施方案包括接收与模型系统内的功能元件相关联的分子变体。实施方案然后确定与所述模型系统相关联的分子得分。实施方案然后基于所述分子得分确定与所述分子变体相关联的分子信号和群体信号。实施方案然后基于统计学习确定所述分子变体的功能得分。实施方案然后基于所述功能得分得出所述分子变体的证据得分。实施方案然后基于所述功能得分或证据得分确定所述分子变体的表型影响。
搜索关键词: 通过 综合 计算 实验 深度 突变 学习 框架 解释 基因 基因组 变体
【主权项】:
暂无信息
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琼格拉有限责任公司,未经琼格拉有限责任公司许可,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/201880050685.7/,转载请声明来源钻瓜专利网。

同类专利
  • 肿瘤转录组多模式信息分析平台PipeOne及其构建方法-202110302853.0
  • 郭梦彪;熊远妍;农保庭 - 中山大学
  • 2021-03-22 - 2023-10-17 - G16B40/20
  • 一种肿瘤转录组多模式信息分析平台Pi peOne及其构建方法,开发了肿瘤转录组多模式信息整合分析平台Pi peOne,该平台首次基于RNA‑seq多模式信息进行整合分析。P i peOne包括三个主要模块,可分别进行原始数据处理,癌症相关特征优先级排序以及肿瘤分型。将肾脏癌症(TCGA‑KI RP,N=320)当作测序数据集,P i peOne鉴定了KI RP相关的多模式信息特征,包括mRNA,l ncRNA,可变剪接和逆转录转座子。此外,亚型分析揭示了三种临床相关的亚型,以及对亚型区分有贡献的特征。P i peOne可以轻松应用于其他癌症和复杂疾病。
  • 基于多组学数据的结直肠癌分子标志物识别方法及系统-202310789123.7
  • 刘殿明;崔哲 - 哈尔滨星云生物信息技术开发有限公司
  • 2023-06-29 - 2023-10-10 - G16B40/20
  • 本发明提供的基于多组学数据的结直肠癌分子标志物识别方法及系统,具体涉及生物信息技术领域,本方案通过结直肠癌基因组测序数据,并按照组学数据种类及显著性添加标记;利用筛选出的带标记组学数据构建数据矩阵,并用数据矩阵训练多个预设的神经网络模型,通过调整各个预设的神经网络模型的参数及对分类结果进行评估;基于目标神经网络模型筛选出对分类结果影响比较大的特征数据,作为结直肠癌分子标志物。该方案提高了组学数据集的有效性,筛选目标神经网络模型的准确性,以及提高了对结直肠癌分子标志物识别的精准性。
  • 一种非疾病诊断目的的蛋白质组学数据的特征选择方法-202310560021.8
  • 黄科涛;朱天生;周芷亦;宁凯丽;李科艺 - 浙江农林大学
  • 2023-05-15 - 2023-10-03 - G16B40/20
  • 本发明公开了一种非疾病诊断目的的蛋白质组学数据的特征选择方法。该方法包括以下步骤:对蛋白质原始数据集进行清洗处理,得到对应的蛋白质特征数据集;根据每种蛋白质的表达值的分布情况计算出每种蛋白质对应的权重值;根据权重值判断蛋白质特征数据集中的每种蛋白质是否是非重要特征蛋白质,去除蛋白质特征数据集中的非重要特征蛋白质的表达值,得到对应的重要蛋白质特征数据集。本发明能够快速、准确的筛选出蛋白质组学数据中的代表性高的重要蛋白质特征数据。
  • 一种基于深度学习的单细胞RNA序列基因调控推断方法-202311104699.1
  • 马婧;周树森;王庆军;柳婵娟;臧睦君;刘通 - 鲁东大学
  • 2023-08-30 - 2023-09-29 - G16B40/20
  • 本发明属于生物信息学领域,涉及一种基于深度学习的单细胞RNA序列基因调控推断方法。首先,对单细胞RNA序列的转录因子与基因的低维向量化表示信息、链接信息进行预处理;其次,通过注意力网络、卷积神经网络和多层感知机进行转录因子与基因的低维向量化特征矩阵的更新和转录因子‑基因对的相关性分析;最后,根据预测结果与真实数据的误差基于损失函数优化模型。本发明提高了单细胞RNA序列基因调控推断的准确率,能够分析转录因子与基因链接信息的拓扑结构和特征,并以此推断出转录因子和基因是否具有调控关系,从而帮助生物信息学领域工作者深入研究基因调控的原理和规律,还可为单细胞RNA相关疾病患者的临床手术决策提供参考。
  • 基于偏好网格和莱维飞行的多目标粒子群算法的肿瘤关键基因识别方法-201910903327.2
  • 韩飞;管天华;孙郁闻天;方升 - 江苏大学
  • 2019-09-23 - 2023-09-26 - G16B40/20
  • 本发明公开了一种基于偏好网格和莱维飞行的多目标粒子群算法的肿瘤关键基因识别方法,包括利用分类信息指数对原始基因表达谱数据集进行过滤,得到初级基因池;计算初始基因池中每个基因的基因类别灵敏度信息GCS值,然后通过GCS值对粒子进行编码;以基因子集在极限学习机ELM上的分类准确率和基因子集的规模为目标,构建多目标优化模型;通过建立好的多目标模型搜索出最终的基因子集,识别出肿瘤的关键基因。在多目标优化模型方面,本发明能通过多目标模型在初级基因池里快速高效地识别出数目较少且分类性能较好的关键基因子集。
  • 一种基于高特异性基因集的食管鳞癌预后评估系统-202310730115.5
  • 王朴;杜斌;王佳;魏玲玉;王金胜 - 长治医学院
  • 2023-06-20 - 2023-09-19 - G16B40/20
  • 本发明涉及数字医疗技术领域,尤其是一种基于高特异性基因集的食管鳞癌预后评估系统。本发明所提供的基于高特异性基因集的食管鳞癌预后评估系统包括存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时,使所述处理器执行以下步骤:提取高特异性基因集的特征基因表达数据;利用所述特征基因表达数据,评估待评估者的预后。本发明所提供的基于高特异性基因集的食管鳞癌预后评估系统,利用高特异性基因集作为评估的依据,更全面地捕捉肿瘤样本的异质性和多基因特征,进而实现了更准确、个性化地预后评估,这为医生和患者提供全面的信息,有助于医生和患者共同决择出更明智的治疗决策。
  • 细胞比例预测方法、模型生成方法、设备及介质-202310798347.4
  • 袁丹 - 京东方科技集团股份有限公司;北京京东方技术开发有限公司
  • 2023-06-30 - 2023-09-19 - G16B40/20
  • 本公开实施例提供了一种细胞比例预测方法、模型生成方法、设备及介质,所述细胞比例预测模型的生成方法包括:使用每百万转录本对单细胞转录组基因表达数据进行表达量校正,得到单细胞转录组表达数据的校正结果;利用所述单细胞转录组表达数据校正结果生成人工批量转录数据;将所述人工批量转录数据输入预先构建的细胞比例预测模型,对所述细胞比例预测模型进行训练,训练好的细胞比例预测模型用于输出细胞比例估计结果,所述细胞比例预测模型为基于自编码器的预测模型。
  • 基于多标签特征选择的基因分类方法、系统及设备-202310810555.1
  • 吴全旺;李秀先;张智勇;曾洁;周鹏 - 重庆大学;招商局检测车辆技术研究院有限公司
  • 2023-07-04 - 2023-09-19 - G16B40/20
  • 本发明提供了基于多标签特征选择的基因分类方法、系统及设备,方法包括:获取基因表达数据集,利用基于缺失基因数据的多标签特征选择模型对基因表达数据集进行特征选择,得到基因表达数据集的特征子集;利用基因表达数据集的特征子集,对基因分类模型进行训练,得到训练好的基因分类模型;基于待分类基因数据的特征子集,利用训练好的基因分类模型对待分类基因进行分类,得到待分类基因数据的标签。本发明采用基于多标签特征选择的基因分类方法,基于缺失数据完成多标签基因数据的特征选择,考虑基因标签和特征之间的所有依赖关系,并基于特征选择后的特征子集来完成基因分类,从而从根源上解决了现有的多标签基因分类准确性低的问题。
  • 区分肿瘤细胞和非肿瘤细胞的基因集、方法、介质及设备-202310804875.6
  • 葛长利;陈哲名;韩斐然 - 杭州联川生物技术股份有限公司
  • 2023-07-03 - 2023-09-15 - G16B40/20
  • 本发明公开了一种区分肿瘤细胞和非肿瘤细胞的基因集、方法、介质及设备,涉及生物信息技术领域。根据基因在肿瘤细胞和非肿瘤细胞中的基因表达量的差异,将肿瘤细胞中显著表达的基因进行筛选过滤,得到目标基因集,可以用于区分肿瘤细胞和非肿瘤细胞;利用目标基因集对待测细胞进行鉴定,得到鉴定分数,群体细胞为与待测细胞属于同一组织的多个细胞,依据群体细胞的鉴定分数获得分界值,若鉴定分数大于分界值则为肿瘤细胞,若鉴定分数不大于分界值则为非肿瘤细胞,可以有效区分肿瘤细胞和非肿瘤细胞。
  • 一种采用多参数流式细胞术检测外周血免疫细胞的方法-202310688511.6
  • 周清;杨潇蓉;王崧榕;陈志红;徐崇锐;杨明意;高鸣;邓嘉怡 - 广东省人民医院
  • 2023-06-12 - 2023-09-12 - G16B40/20
  • 一种采用多参数流式细胞术检测外周血免疫细胞的方法,包括如下步骤,步骤A:外周血采集;步骤B:外周血单个核细胞分离和冻存;步骤C:解冻和细胞计数;步骤D:多色流式细胞术;步骤E:数据分析和模型训练。本发明能够预测免疫治疗患者的疗效,一方面基于外周血作为样本,创伤小、能够多次检测监控,另一方面通过联合细胞功能和数量,使得模型的预测准确性达到了89%,此外,本发明基于蛋白质表达,更具有可信度。本发明克服了现有生物标志物中,预测效能不够高,忽略免疫细胞功能因素,RNA数据需要进一步验证,基于组织活检创伤大,不便于连续监控等局限性,为有效验证生物标志物预测免疫检查点抑制剂疗效起到了有利技术支持。
  • 一种预测烟草果糖含量的全基因组选择模型及其应用-201911140610.0
  • 肖炳光;童治军;陈学军;方敦煌;焦芳婵;姚恒 - 云南省烟草农业科学研究院
  • 2019-11-20 - 2023-09-12 - G16B40/20
  • 本发明公开了一种预测烟草果糖含量的全基因组选择模型及其应用,所述的用于预测烟草果糖含量的全基因组选择模型为Bayes CFRC,为使该模型对烟草中果糖含量表型值的预测精度达到最优,对候选预测模型Bayes C中的分子标记数量(n1)、训练群体规模(n2)、训练群体与测试群体比例(n3)及模型预测精度值(n4)等核心参数值进行了明确规定。所述的应用为利用所述的全基因组选择模型Bayes CFRC分析烟草群体的基因型数据来预测其果糖含量的应用。本发明所述的烟草果糖含量全基因组选择模型Bayes CFRC可以依据烟草群体的基因型来精确的预测出该群体中各烟株的果糖含量值,从而实现烟草品质育种中不同果糖含量水平优良品种(系)的培育。
  • 一种监测发酵过程中微生物群落结构的方法-202310620501.9
  • 付钰;仇昊宁;卢维来;薛俊静 - 中国科学院微生物研究所
  • 2023-05-30 - 2023-09-01 - G16B40/20
  • 本发明涉及微生物技术领域,具体公开了一种监测发酵过程中微生物群落结构的方法,该方法按照以下步骤进行:S1:针对发酵生产中的关键微生物进行拉曼光谱数据库的构建;S2:对构建的拉曼光谱数据进行预处理;S3:构建多标签识别模型;S4:获取发酵过程中不同发酵时间的原位样品;S5:利用多标签识别模型监测分析原位样品中的微生物的种类、比例以及活性。该方法利用拉曼光谱与卷积神经网络结合构建出发酵过程的微生物拉曼光谱多标签识别模型,进而实现对发酵过程的实时动态监测,为发酵过程的有效把控提供了新的高效准确的方法,保证了发酵进程以及产品的稳定性,对传承特色食品风味、科学优化生产工艺及构建发酵相关合成微生物组均具有重要意义。
  • 一种牛育种遗传筛选评估方法-202310632223.9
  • 李静;石先华;柏中峰;禹业飞;魏榕;夏丽双 - 泌阳县现代农业产业园服务中心;南京丰顿科技股份有限公司
  • 2023-05-31 - 2023-08-29 - G16B40/20
  • 本发明公开了一种牛育种遗传筛选评估方法,涉及牛育种技术领域,包括以下步骤:根据性状信息,从牛群中筛出候选育种牛,并构成父本组和母本组;获取候选育种牛中个体牛只父系和母系多代的性状信息;根据父系和母系多代的性状信息,分析该候选育种牛可能具有的隐形性状及具有该隐形性状的概率,并判断确定具有的各个性状遗传的显隐性及遗传概率;建立数据库记录候选育种牛具有的显性性状和隐形性状以及可能具有的隐形性状,并记录其遗传概率;构建育种评分模型。该牛育种遗传筛选评估方法,遗传筛选评估更简单,可自动筛出最优配种方案,提高育种效率及育种品质;同时可避免近亲繁殖。
  • CircRNA-miRNA关联预测方法、装置及介质-202310654101.X
  • 郭陆祥;王磊;黄利广 - 枣庄学院;广西科学院
  • 2023-06-01 - 2023-08-29 - G16B40/20
  • 本发明具体公开了一种CircRNA‑miRNA关联预测方法、装置及介质。其中方法包括:构建数据集,所述数据集中包括多个CircRNA以及多个miRNA;基于所述数据集,从CircRNA序列和miRNA序列的词嵌入中提取生物属性特征;基于同构图嵌入提取出行为特征;基于所述生物属性特征和所述行为特征来获得融合载体的训练特征,以学习circRNA与miRNA的相互作用得分,并推断出潜在的CMAs。本发明成功预测了circRNAs和miRNAs之间的复杂关系,准确率为82.90%,AUC为0.9075。
  • 基于cfDNA全基因组测序数据识别染色质开放区域的方法、癌症预测模型及系统-202310639854.3
  • 周雄辉;王运泽 - 华中农业大学
  • 2023-05-31 - 2023-08-29 - G16B40/20
  • 本发明提供了一种cfDNA片段模式的分析方法,根据样本cfDNA全基因组测序数据在人类参考基因组上的位置,结合区间划分,计算该区间的片段离散度,片段离散度的计算方法为:其中,n是区间的cfDNA端点总数量,对于第j个端点,其周围20bp内的端点总数量为mj,Std(coverage)为该区间的片段覆盖度标准差。提供了基于cfDNA全基因组测序数据识别染色质开放区域的方法,筛选基因组中片段离散度显著高的区域作为离散区域。提供了一种癌症预测模型、构建方法以及癌症预测系统。本发明的片段离散度能够反映基因组中的染色质开放性,基于此的癌症预测模型在泛癌以及单一癌症中均有比较高的预测精度。
  • 一种生物网络关键差异节点的样本特征提取及预测方法-201910463541.0
  • 谢江;王娇;孙佳敏;李嘉鑫;杨伏长 - 上海大学
  • 2019-05-30 - 2023-08-29 - G16B40/20
  • 本发明涉及一种生物网络关键差异节点的样本特征提取及预测方法,结合网络拓扑与分子表达特征预测生物网络关键差异节点。特征提取方法具体包括A数据预处理、B提取特征向量、C节点标记和D扩充正样本;预测方法上特征提取的基础上增加E随机森林模型训练和F预测关键节点。本发明可以提取同一细胞在不同状态下的生物网络特征,样本特征的提取可以更有效的利用样本,使得到的训练集更有普适性,该算法对解决问题具有更强的泛化能力。
  • 基于多重蛋白流式数据筛选设门分群方法、装置-202310556614.7
  • 刘妍 - 上海新点生物科技有限公司
  • 2023-05-17 - 2023-08-25 - G16B40/20
  • 本发明公开了基于多重蛋白流式数据筛选设门分群方法、装置。本方法包括如下步骤:读取样本流式数据文件和相应的试剂盒配置信息,得到原始数据和设门分群参数;所述原始数据为样本文件的所有细胞采样事件矩阵;获取设门通道坐标下的原始二值数据并两次筛分后去除无效数据得到筛分后设门通道数据;获取设门凸包多边形和分群数据;获得设门分群后报告荧光通道ReportX与分类荧光通道ClassifyY的二值数据并进行分群,得到样本文件的因子分群;对样本文件的因子分群数据进行统计计算,得到因子微球个数及平均荧光强度。本发明可以自动对多重蛋白流式数据进行预处理及筛选,去除杂质数据,更精准地保留有效数据,对筛选数据进行自动设门分群,统计分析得到结果。
  • 一种基于血液中FCER1G基因表达识别房颤脑栓塞的临床决策支持方法-202211576134.9
  • 徐茜;丁茜;李丹丹;胡远征;张守都;侯凯棋;姚伦广;白方会 - 南阳师范学院
  • 2022-12-09 - 2023-08-25 - G16B40/20
  • 本发明公开了一种基于血液中FCER1G基因表达识别房颤脑栓塞的临床决策支持方法,利用该方法所述的疾病模型能够提升房颤脑栓塞筛查的准确率,减小误分类代价。本发明通过机器学习识别特征基因,以临床决策为目标,构建可视化评价体系展示候选标志基因对心源性栓塞患者风险进行风险评估。所述疾病筛查模型的输入为基因表达量,输出为疾病风险得分,所述疾病风险得分用于支持临床决策,可以帮助通过更加简单的方式筛选易发生心源性脑栓塞的高危房颤患者,进一步辅助临床医生为急性期脑卒中患者再灌注治疗提供快速决策支持。
  • 一种急性髓系白血病患者铜死亡相关预后模型构建方法-202310672840.1
  • 刘松柏;汤在祥;陈苏宁;王玺超;孙昊;东勇飞 - 苏州卫生职业技术学院
  • 2023-06-08 - 2023-08-08 - G16B40/20
  • 本发明公开了一种急性髓系白血病患者铜死亡相关预后模型构建方法,包括:基于GSE37642、GSE12417和TCGA‑LAML三个数据集以及多个已知的铜死亡相关基因,确定新的铜死亡相关基因集,之后,通过单因素Cox回归获得与预后相关的铜死亡相关基因,随后,通过spike‑and‑slab lasso对预后相关的铜死亡相关基因进行降维,最后,通过逐步回归获取最佳的基因组合及其回归系数,构建铜死亡相关预后特征初步模型;基于堆叠策略,将铜死亡相关预后特征初步模型与若干基因模型进行拟合,得到扩展后的堆叠模型。本发明利用堆叠策略,结合两个高质量的基因模型来扩展所构建的铜死亡相关预后特征,提高模型的预测效能。
  • 一种抗菌肽生成和识别方法及系统-202310483081.4
  • 李延青;王悦;龚海帆;李晓娟;李理想;左秀丽 - 山东大学齐鲁医院
  • 2023-05-04 - 2023-08-08 - G16B40/20
  • 本发明提供了一种抗菌肽生成和识别方法及系统,其属于计算机辅助药物研发技术领域,所述方案包括:获取与目标抗菌肽对应的参考多肽序列信息及功能属性信息;基于多肽多通道上色方法获取参考多肽序列的结构信息;将所述参考多肽序列信息及所述结构信息输入预先训练的变分自编码模型,获得目标抗菌肽的序列信息和结构信息;基于目标抗菌肽的序列信息及结构信息的融合特征,利用预先训练的神经网络模型,获得目标抗菌肽的功能识别结果;所述方案能够生成具有特定属性的抗菌肽,且生成的抗菌肽区别于自然界中现存的抗菌肽;同时,在抗菌肽的识别中,基于多模态的识别方法,有效提高了多肽的识别准确度。
  • 一种基于图对比学习的生物分子分类方法及装置-202211276710.8
  • 廖清;崔津浩;柴合言;王晔;高翠芸;王轩 - 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
  • 2022-10-17 - 2023-08-08 - G16B40/20
  • 本发明公开了一种基于图对比学习的生物分子分类方法及装置,通过将获取的目标生物分子图输入到预训练的编码器中,将得到的目标生物分子图中的所有节点特征进行融合,得到目标生物分子图标签;编码器的预训练过程包括:将生物分子图输入第一编码器,得到生物分子图特征,将生物分子图输入第二编码器,得到生物分子图正例特征;将构造的生物分子图负例输入到第二编码器中,得到生物分子图负例的负例特征;获取每轮负例入队训练个数,基于生物分子图特征、生物分子图正例特征、负例特征和每轮负例入队训练个数,对第一编码器和第二编码器进行更新,得到预训练的编码器。与现有技术相比,本发明的技术方案能提高生物分子分类的准确性。
  • 一种衣壳蛋白序列生成模型的训练方法及装置-202310333553.8
  • 刘丽君;宋剑飞;邓亚峰;施慧 - 杭州碳硅智慧科技发展有限公司
  • 2023-03-27 - 2023-08-01 - G16B40/20
  • 本申请实施例提供了一种衣壳蛋白序列生成模型的训练方法及装置。所述方法包括:获取训练数据,所述训练数据为在蛋白质分子的选定区域内具有指定衣壳功能的序列集合;对所述训练数据进行数据增强处理,得到模型训练数据;基于设定加噪处理方式对所述模型训练数据进行不同时刻的加噪处理,得到在不同时刻的加噪训练数据;根据所述加噪训练数据和指定生成路径下的损失函数对待训练衣壳蛋白序列生成模型进行训练,得到所述指定衣壳功能的在所述指定生成路径下的衣壳蛋白序列生成模型。本申请实施例可以生成大量衣壳所需功能的衣壳蛋白序列,产生的衣壳蛋白序列可用序列的占比较高,同时,找到的可用的序列数量要比随机突变找到的序列数量大很多。
  • 一种基于电子病历大数据的乳腺癌风险预测方法-202310332810.6
  • 吴雅林;孙德胜;石宇;尉明华;姚辉;张锦枝;张蒂荣;刘俐;陈芸;闫林杨 - 北京大学深圳医院(北京大学深圳临床医学院)
  • 2023-03-31 - 2023-07-25 - G16B40/20
  • 本发明公开了一种基于电子病历大数据的乳腺癌风险预测方法,该方法包括:收集乳腺患者的信息并形成电子病历,再根据标准条件筛选患者信息,组建数据库;根据临床经验和对超声特征的研究,筛选数据库中的特征,获得数据集;对数据集进行预处理,再对其中的数据进行归一化处理;从特征中选择出重要特征形成新的数据集;对数据集进行训练集和测试集的划分;使用深度神经网络建立预测模型,对训练集进行学习优化,采用测试集对预测模型进行性能分析,获得最终预测模型;采用最终预测模型对乳腺超声得到的数据进行风险预测,得到预测结果。本发明预测方法能够很容易的地部署到任何智能决策系统中,为医生提供诊断辅助,从而提高乳腺癌的早期诊断率。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top