[发明专利]一种预测肿瘤间质化机制及治疗敏感性的方法在审
| 申请号： | 202110029152.4 | 申请日： | 2021-01-10 |
| 公开（公告）号： | CN112863604A | 公开（公告）日： | 2021-05-28 |
| 发明（设计）人： | 沈帅;刘行;程文;吴安华 | 申请（专利权）人： | 吴安华 |
| 主分类号： | G16B40/00 | 分类号： | G16B40/00;G16B15/30;G16H50/70;G06K9/62 |
| 代理公司： | 大连星海专利事务所有限公司 21208 | 代理人： | 郭海英 |
| 地址： | 110001 辽宁省沈阳市南京*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
一种预测肿瘤间质化机制及治疗敏感性的方法，其属于肿瘤间质化机制分析技术领域。该方法通过样本训练数据集和识别间质化机制特征的基因集建立模型将将上皮来源肿瘤分成一类‑间质化 |
||
| 搜索关键词： | 一种 预测 肿瘤 间质 机制 治疗 敏感性 方法 | ||
【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吴安华，未经吴安华许可，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/202110029152.4/，转载请声明来源钻瓜专利网。
- 同类专利
- 免疫原性预测模型的训练方法、装置、设备及存储介质-202310118750.8
- 何冰;郭奕鑫;姚建华;赵宇 - 腾讯科技（深圳）有限公司
- 2023-01-17 - 2023-10-27 - G16B40/00
- 本申请公开了一种免疫原性预测模型的训练方法、装置、设备及存储介质，涉及机器学习技术领域。该方法包括：基于训练得到的结合性预测子模型、呈递性预测子模型以及免疫原性预测子模型构建免疫原性预测模型，结合性预测子模型用于预测抗原表位与MHC之间的结合性，呈递性预测子模型用于预测pMHC的细胞膜呈递性，免疫原性预测子模型用于预测pMHC的免疫原性；将第一样本对输入免疫原性预测模型，得到免疫原性预测模型输出的样本免疫原性预测结果，第一样本对由第一样本抗原表位序列和第一样本MHC序列构成，且第一样本对设置有样本免疫原性标签；以样本免疫原性标签为样本免疫原性预测结果的监督，训练免疫原性预测模型。
- 核苷酸测序数据的检测方法、模型训练方法及装置-202310580196.5
- 李祥春;陈可欣;刘记垒;沈鸿儒;杨一晨;张强;王伟 - 天津市肿瘤医院（天津医科大学肿瘤医院）
- 2023-05-22 - 2023-10-27 - G16B40/00
- 本公开提供了一种核苷酸测序数据的检测方法、模型训练方法及装置，可以应用于大数据以及液体活检分析领域。该方法包括：提取待处理的核苷酸测序数据的序列特征，其中，序列特征表征在不同类型的核苷酸出现在同一核苷酸序列中的概率；基于注意力机制，对序列特征进行处理，从序列特征中得到目标序列特征，其中，目标序列特征表征对处理结果的贡献度大于第一预设阈值的序列特征；以及对目标序列特征进行检测，得到检测结果，其中，检测结果表征待处理的核苷酸测序数据包括肿瘤细胞的核苷酸片段的概率。
- 细胞数据综合分析系统-202310670920.3
- 王峥 - 金凤实验室
- 2023-06-07 - 2023-10-27 - G16B40/00
- 本申请提供一种细胞数据综合分析系统，涉及细胞数据处理技术领域。该系统包括获取模块、过滤模块、批效应消除模块、双胞剔除模块、细胞间通讯分析模块、聚类模块、细胞注释模块及可视化模块。其中，获取模块、过滤模块、批效应消除模块、双胞剔除模块可以对基于单细胞组学产生的数据集进行各类预处理操作，如进行细胞滤除、批效应消除、双胞剔除等，而通过预处理操作可以提高数据的有效性与可靠性。另外，细胞间通讯分析模块、聚类模块、细胞注释模块及可视化模块，能够支持细胞通讯分析、降维聚类、细胞注释、可视化显示等处理操作，能丰富分析功能，提高数据分析的灵活性，进而有利于提高数据分析的效率。
- 基于深度学习的全基因组预测方法-202311218507.X
- 李慧慧;王轲麟 - 中国农业科学院作物科学研究所
- 2023-09-21 - 2023-10-27 - G16B40/00
- 本发明涉及数据信息处理技术领域，尤其涉及基于深度学习的全基因组预测方法。首先，获取全基因组数据，并对获取的全基因组数据进行数据清洗、数据稀疏性处理以及生物信息学特征提取；然后，基于稀疏性处理后的全基因组数据及生物信息学特征，进行模型构建，得到初步混合模型；对初步混合模型进行模型训练、正则化与解释性增强处理，得到训练好的模型权重与其解释性分析；基于训练好的模型权重和新的全基因组数据进行学习与不确定性估计，得到集成预测结果及其不确定性；最后，基于集成预测结果、解释性分析及其不确定性估计，进行个性化医疗建议与决策辅助。解决了现有技术中在进行全基因组预测时，预测不够准确以及模型不稳定的技术问题。
- 基于知识意识学习下的miRNA—疾病的关系预测方法-202310944945.8
- 何强;乔伟;赵欣怡;李超;王兴伟;黄敏;马连博;滕月阳 - 东北大学
- 2023-07-28 - 2023-10-27 - G16B40/00
- 本发明提供一种基于知识意识学习下的miRNA—疾病的关系预测方法，涉及生物信息技术领域。该方法首先构建miRNA—疾病关系网络和对应的知识图谱；并根据知识图谱构造知识流通池，使知识流通池中包含有不同节点在不同层次下的知识聚合信息，用来获取不同节点在特定聚合范围内节点的表示；再将关系网络中的疾病和miRNA节点的特征信息和知识流通池中获取到的特征信息投影到相同的向量空间中，并进行深度的融合后送入图卷积神经网络中进行训练和学习，得到关系网络中节点的最终嵌入表示；最后将从图卷积神经网络中得到的节点嵌入表示输入线性解码器，重构关系网络的链路；并通过计算关系网络的MSE函数损失，将关系网络在端到端的训练方式下进行训练。
- 基于整合学习的培养基预测系统、训练及培养基预测方法-202111461022.4
- 梁楚亨;张祥涛;陈亮;黄贺声;梁国龙 - 深圳太力生物技术有限责任公司
- 2021-11-30 - 2023-10-27 - G16B40/00
- 本发明公开了一种基于整合学习的培养基预测系统，其特征在于，包括特征输入模块、细胞株特征向量获取模块、所述培养基成分特征向量获取模块、数据整合模块、和特征提取及回归模块。通过本发明所构思的以上技术方案与现有技术相比，由于该机器学习模型能够矢量化处理不同细胞株的信息，能够有效地提取蕴含在不同细胞株的规律，识别细胞株的相似度，获得泛化能力更强的模型。
- 基于局部靶的siRNA抑制率及脱靶性预测方法-202310832532.0
- 袁野;刘斌 - 上海交通大学
- 2023-07-08 - 2023-10-24 - G16B40/00
- 一种基于局部靶的siRNA抑制率及脱靶性预测方法，在离线阶段通过构建混合神经网络并采用针对siRNA和局部靶mRNA提取构建多维度特征进行训练，在在线阶段采用训练后的混合神经网络对实时输入的待检测siRNA和局部靶mRNA进行预测后经后处理进一步筛选得到最终siRNA序列并经后处理实现脱靶性预测。本发明利用局部靶mRNA的独热序列特征、反义链的热力学特征、其他先验知识特征作为输入，以混合神经网络的方式构建siRNA抑制率预测模型，并将其与脱靶性预测方法融合，同时充分考虑高有效性和高特异性。
- 基于深度搜索的生物逆合成预测方法、装置和电子设备-202310939984.9
- 何加铭;郑韶伟;王家功;金錱 - 宁波甬恒瑶瑶智能科技有限公司
- 2023-07-28 - 2023-10-24 - G16B40/00
- 本发明涉及生物逆合成技术领域，具体涉及基于深度搜索的生物逆合成预测方法、装置和电子设备，本发明采用基于深度学习的无规则生物逆合成方法能够预测数据库以外的生物反应，大大提高了预测完整生物逆合成路径的可能性，本发明既考虑了单步预测结果与源化合物SMILES序列的分子相似度，又考虑了结果分子的合成难度，为路径的优先级提供了合理的依据。同时，本发明以深度优先搜索策略为基础，保证了返回的路径结果是特定深度和宽度搜索树的全部解，无需多次迭代，优化后的搜索策略，避免了对重复节点的扩展，大大提高了搜索效率，相比现有搜索策略，耗时缩短五倍。
- 一种基于单细胞测序的肝癌预测模型及其应用-202210358489.4
- 蒲祖辉;牟丽莎;倪勇 - 深圳市第二人民医院（深圳市转化医学研究院）
- 2022-04-06 - 2023-10-24 - G16B40/00
- 本申请公开了一种基于单细胞测序的肝癌预测模型及其应用。本申请基于单细胞测序的肝癌预测模型，包括数据获取模块和风险评估模块；数据获取模块，包括用于获取CLDN6、CNN3、CYP27A1、CYP2C9、FGB、HMGCS2、S100A10、S100A9和SQSTM1九个基因的表达量；风险评估模块，包括用于根据获取的九个基因的表达量，计算风险评分，根据风险评分判断肝癌患病或复发的风险。本申请基于单细胞测序的肝癌预测模型和装置，能够用于肝癌患者总体生存情况预测、癌症状态预测和预后结局预测；其通过单细胞测序数据，根据九个基因的表达量，能够检测组织内部的异质性，识别不同细胞内部的基因表达特征。
- 分子理解模型的训练方法、装置、设备和介质-202110082654.3
- 李宇琨;张涵;肖东凌;孙宇 - 北京百度网讯科技有限公司
- 2021-01-21 - 2023-10-24 - G16B40/00
- 本公开公开了一种分子理解模型的训练方法、装置、设备和介质，涉及计算机技术领域，具体涉及自然语言处理、深度学习等人工智能技术领域。该训练方法包括：获取预训练数据，所述预训练数据包括：第一分子表示序列样本和第二分子表示序列样本，所述第一分子表示序列样本和所述第二分子表示序列样本为同一个分子的两种不同的分子表示序列样本；采用所述分子理解模型，对所述第一分子表示序列样本进行处理，以得到预训练输出；根据所述预训练输出和所述第二分子表示序列样本计算预训练损失函数，并根据所述预训练损失函数更新所述分子理解模型的参数。本公开可以提高分子理解模型的分子理解效果。
- 药物与靶标的相互作用预测方法、装置、设备及存储介质-202110442966.0
- 王俊;高鹏 - 平安科技（深圳）有限公司
- 2021-04-23 - 2023-10-24 - G16B40/00
- 本申请属于智能决策技术领域，提供了一种药物与靶标的相互作用预测方法、装置、设备及存储介质，该方法包括：根据基于无标签药物分子的SMILES序列数据建立的第一预训练集预训练得到预训练分子图模型，以及根据基于无标签蛋白序列数据建立的第二预训练集训练得到预训练蛋白序列语言模型；获取有标签药物‑靶标对的训练集，根据训练集中的药物‑靶标对和表示药物‑靶标对相互作用信息的信息标签，结合预训练分子图模型和预训练蛋白序列语言模型，训练药物‑靶标相互作用的预测模型，得到目标预测模型；通过目标预测模型待预测药物分子与目标靶标的相互作用进行预测。本申请能够提升药物与靶标相互作用预测的效率和准确性。
- 一种生物制造过程的代谢通量优化求解方法和系统-202310894031.5
- 刘飞;李权;赵忠盖;栾小丽;李恭新;王锴 - 江南大学
- 2023-07-20 - 2023-10-20 - G16B40/00
- 本发明涉及一种生物制造过程的代谢通量优化求解方法和系统，方法包括：构建微生物发酵过程的通量平衡方程；将代谢通量作为待优化的控制变量，并根据通量平衡方程构建动力学方程系统，再结合发酵过程中的约束条件和目标函数构建基于动态优化问题的动态通量平衡分析模型；基于发酵过程生产周期的控制时域构建新时域，将代谢通量在新时域中进行重构；通过分段常量近似策略来参数化重构后的代谢通量；根据参数化后的代谢通量，将动态通量平衡分析模型由动态优化问题转换为静态优化问题；求解基于静态优化问题的动态通量平衡分析模型的最优代谢通量。本发明通过寻找微生物发酵过程中的最优代谢通量，进而有效提高产品品质和质量。
- 单细胞转录组数据预处理方法、电子设备及存储介质-202310673000.7
- 王峥 - 金凤实验室
- 2023-06-07 - 2023-10-20 - G16B40/00
- 本申请提供一种单细胞转录组数据预处理方法、电子设备及存储介质。方法包括：获取用户上传的基于单细胞组学产生的第一数据集；基于过滤细胞的指标数据，对第一数据集进行过滤，得到第二数据集，指标数据包括与UMI计数、特征基因计数、线粒体基因百分比和β‑action表达分别对应的阈值范围；调用批效应消除工具，对第二数据集进行批效应消除，得到第三数据集；通过DoubletFinder工具，对第三数据集进行双胞剔除，得到经过预处理而得到的结果数据集。本方案支持tsv、txt、csv、RDS及HDF5等多种格式的数据上传与预处理，能提高预处理的效率及经过处理的数据集的有效性。
- 生物医学大数据操作系统及生物医学大数据分析方法-202310573070.5
- 李亦学;张鑫;靖瑞锋;谭待;刘子青;于鸿磊;刘继龙;李召义;肖庆宇;陈易凡;李昭强;郎志坚;卢欣;杨广霞;程瑾瑜;肖华源;陈秭如;孙博文;周剑文;陈林 - 北京火山引擎科技有限公司;广州国家实验室
- 2023-05-19 - 2023-10-20 - G16B40/00
- 本申请公开了一种生物医学大数据操作系统及生物医学大数据分析方法，该操作系统包括核心框架、外围组件、集成开发环境、应用仓库和数据仓库。外围组件提供了用户与该操作系统的交互接口。集成开发环境用于基于核心框架开发第一生物医学上层应用。应用仓库用于提供第二生物医学上层应用，数据仓库用于提供生物医学数据。如此，集成开发环境支持开发者更方便地开发适合生物医学的应用。应用仓库和数据仓库能够支持该操作系统的应用生态、数据生态。核心框架为该操作系统的核心部分，能够实现该操作系统中各种功能的组织和统筹管理，如基于核心框架执行生物医学分析项目时，可运行生物医学上层应用和调用生物医学数据，完成生物医学数据分析。
- 一种基于多视角图注意力网络的基因调控网络预测方法-202310849964.2
- 袁林;赵羚;孙胜国;徐志杰 - 齐鲁工业大学（山东省科学院）
- 2023-07-12 - 2023-10-20 - G16B40/00
- 一种基于多视角图注意力网络的基因调控网络预测方法，涉及基因预测技术领域，通过多视角的图注意力网络，可以充分全面地挖掘特征信息。在GAT的基础上，使用jaccard相似性指标，计算二阶邻居的重要性，并通过设置阈值，过滤掉噪声节点，从而更有效地提取高阶特征信息提取。使用正交特征变换，可以保持前向嵌入的规范性和稳定性以及反向传播时梯度的稳定性,从而提高泛化性能。使用图层面聚合机制将两个视角对应的节点嵌入表示聚合在一起，从而更好地调整每一个视角的节点嵌入的相对重要性，得到更加全面和稳健的节点嵌入表示。使用全连接层可以对基因进一步低维化编码，最后使用点积作为评分函数可以简单高效地对基因调控网络进行预测。
- 基于回归模型融合多组学检测TF-mRNA调控关系的方法-202310911493.3
- 周丰丰;唐思源;宋晓楠 - 吉林大学
- 2023-07-25 - 2023-10-20 - G16B40/00
- 本发明适用于生物信息检测技术领域，提供了基于回归模型融合多组学检测TF‑mRNA调控关系的方法，包括以下步骤：步骤S1、数据处理和融合；步骤S2、构建MIMO模型；步骤S3、构造mqTrans特征；步骤S4、训练模型；步骤S5、使用独立验证集检验标志物有效性。本发明融合多个组学数据，构建更准确、更稳定的转录调控关系网络；基于回归模型定量描述TF和mRNA之间的转录调控关系，借助神经网络的激活函数可以实现非线性回归拟合，更适合生物医学数据的特点，较传统的统计分析效果更好；构造mqTrans特征，可以定量刻画基因在不同组别中转录调控关系发生的变化，找到暗标志物。
- 一种基于强化学习的蛋白质进化方法及装置-202311172259.X
- 张强;陈华钧 - 浙江大学杭州国际科创中心
- 2023-09-12 - 2023-10-20 - G16B40/00
- 本说明书实施例提供一种基于强化学习的蛋白质进化方法，方法包括：获取各样本蛋白质的特征信息，根据各样本蛋白质的特征信息构建蛋白质变异生成模型和评估模型；由蛋白质变异生成模型在初始蛋白质基础上得到一组变异蛋白质；每得到一组变异蛋白质，使用评估模型评估最新得到的该组变异蛋白质中各变异蛋白质的适应度，并判断适应度是否满足预设条件；若适应度不满足预设条件，则根据最新得到的该组变异蛋白质中各变异蛋白质的适应度对蛋白质变异生成模型进行强化学习，并由经强化学习后的蛋白质变异生成模型，在最新得到的变异蛋白质基础上得到新的一组变异蛋白质；若适应度满足预设条件，则从最新得到的该组变异蛋白质中得到目标进化蛋白质。
- 单细胞转录组数据分析处理方法及电子设备-202310670906.3
- 王峥 - 金凤实验室
- 2023-06-07 - 2023-10-20 - G16B40/00
- 本申请提供一种单细胞转录组数据分析处理方法及电子设备。方法包括：获取经过预处理后的第一数据集，通过CellPhoneDB工具、CellChat工具和Cellcall工具确定第一数据集中细胞间相互作用的强度和配体受体的差异对，以得到表征细胞间通讯的通讯分析结果；在接收到用于细胞类型注释的第二指令时，从工具库中调用预先设置的降维聚类工具，以对第一数据集进行降维聚类，得到聚类后的第二数据集；通过调用工具库中的注释工具，对第二数据集进行细胞类型注释，得到注释结果；基于预设可视化策略，对通讯分析结果、注释结果进行可视化展示。通过整合细胞通讯分析、降维聚类、细胞注释等处理操作，有利于提高数据分析的灵活性，进而有利于提高数据分析的效率。
- 一种生物信息数据处理方法、装置、设备及相关介质-202310575747.9
- 刘继龙;李召义;李昭强;于鸿磊;肖庆宇;肖华源;程瑾瑜;郎志坚;卢欣;陈易凡;陈秭如;杨广霞;周剑文;张鑫;李亦学;谭待 - 北京火山引擎科技有限公司;广州国家实验室
- 2023-05-19 - 2023-10-20 - G16B40/00
- 本申请公开了一种应用于数据处理技术领域的生物信息数据处理方法、装置、设备及相关介质，该方法响应于获取项目建立请求，建立生物信息分析项目；获取完成所述生物信息分析项目所需的生物信息数据；响应于获取第一用户触发的针对生物信息数据的分析请求，对生物信息数据进行分析，得到分析结果数据以及分析过程数据。分析过程数据能够用于还原生物信息数据的分析过程。如此能够以生物信息分析项目为单位，聚集与生物信息数据分析相关的数据，能够实现利用分析过程数据还原生物信息数据分析的过程，实现对分析结果数据的复现。
- 基于卷积去噪自编码机的piRNA-疾病关联关系预测方法-202111044208.X
- 彭绍亮;姬博亚;王小奇;习鹏;赵雄君 - 湖南大学
- 2021-09-07 - 2023-10-20 - G16B40/00
- 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。
- 一种多模态组学数据管理系统-202210271132.2
- 辜永红;应志野;陈一龙;于浩澎;赵顺存;李斌杰;张凯丽;任沛;成孝禹;葛平;周梦琳 - 四川大学华西医院;华为技术有限公司;赛乐基因科技（北京）有限公司
- 2022-03-18 - 2023-10-20 - G16B40/00
- 本发明属于组学研究技术领域，具体涉及一种多模态组学数据管理系统。本发明的系统包括：采集模块、数据存储模块、数据分析模块和应用系统，其中，所述数据采集模块用于采集业务系统数据并导入到数据存储模块，设置或更新用户元数据信息并将元数据信息保存至数据存储模块；所述数据存储用于存储数据和元数据信息，提供元数据检索能力；所述数据分析模块用于提供数据分析功能。本发明基于多组学数据的海量性，提出了基于多组学数据特征和元数据标签的数据自动识别技术，具有很好的应用前景。
- 一种lncRNA与目标DNA结合预测方法及系统-202110065875.X
- 刘义莎;戴智明 - 中山大学
- 2021-01-19 - 2023-10-20 - G16B40/00
- 本发明公开了一种lncRNA与目标DNA结合预测方法及系统，该方法包括：获取lncRNA序列和DNA序列；基于卷积神经网络分别对lncRNA序列和DNA序列进行特征提取处理，得到对应的序列特征；基于lncRNA‑DNA融合网络将对应的序列特征连接并输出结果；对基于SDG优化器对lncRNA‑DNA融合网络构建二分类交叉熵函数。该系统包括：序列获取模块、序列特征提取模块、融合模块和损失模块。通过使用本发明，能够解决DNA‑lncRNA结合预测问题，提高预测效率，减少计算时间。本发明作为一种lncRNA与目标DNA结合预测方法及系统，可广泛应用于DNA‑lncRNA结合预测领域。
- 一种基于单细胞转录组数据和外泌体组学分析细胞外泌体通讯的方法-202310898875.7
- 林海军;张娟;李志;时韦美;刘翔 - 北京恩泽康泰生物科技有限公司
- 2023-07-21 - 2023-10-20 - G16B40/00
- 本发明涉及生物信息技术领域，尤其涉及一种基于单细胞转录组数据和外泌体组学分析细胞外泌体通讯的方法。所述方法包括：获取待测样品的单细胞转录组数据和外泌体组学数据；根据单细胞转录组数据判断存在外泌体通讯的细胞亚群；进一步结合外泌体组学数据进行细胞外泌体通讯分析；外泌体组学数据包括如下中的至少一种：外泌体的miRNA组学数据、外泌体的mRNA组学数据、外泌体的lncRNA组学数据或外泌体的蛋白组学数据。本发明基于单细胞转录组数据和外泌体组学分析可能存在外泌体通讯的细胞亚群以及相应的通讯信息，可以准确、全面、多方位地推测组织内不同细胞亚群间的外泌体通讯情况，对于外泌体通讯的相关研究具有重要意义。
- 一种基于融合不同模式标志物的分类模型构建算法-202010284362.3
- 黄鑫;廖振前;苏本哲 - 鞍山师范学院
- 2020-04-12 - 2023-10-20 - G16B40/00
- 一种基于融合不同模式标志物的分类模型构建算法，为复杂疾病诊断提供一种精确简单的决策规则。(i)利用相对差异表达的方式消除个体差异对于数据分析的影响；(ii)通过计算单特征和比值特征在不同类别样本中表达值变化的概率差来衡量各自的判别能力，从而消除不同模式标志物表达值量级上的差异对于数据分析的影响。由于使用同一种特征评价准则衡量单特征重要性得分和比值特征重要性得分，因此可以直接比较不同模式特征的判别能力，发现真实有效地反映机体生理、病理状态变化的单特征或者比值特征。将不同模式标志物有机地融合，丰富疾病诊断的判别信息，使所筛选的潜在性标志物集合具有临床测试简单、假阳性低、生物学可解释性强。
- 一种基于mRMR和MBFA的高维数据特征选择方法-202110525570.2
- 栗伟;王林洁;谢维冬;于鲲;闵新;王珊珊 - 东北大学
- 2021-05-14 - 2023-10-20 - G16B40/00
- 本发明提供一种基于mRMR和MBFA的高维数据特征选择方法，涉及机器学习技术领域。本发明利用mRMR(Max‑Relevance and Min‑Redundancy，最大相关最小冗余)对基因数据进行初步筛选，过滤到包含信息量较少的特征；对于过滤后的特征，通过MBFA(Multilayer Binary Firefly Algorithm，多层二进制萤火虫算法)完成最优特征子集的选择，该方式最终选择的特征冗余度觉少同时实现了较好的模型效果。此外，该方法能够从高维基因微阵列数据中发现寻找用于疾病辅助预测的生物标志物，对于后续研究和预测模型的建立具有重要意义。
- 毒理学数据的筛选方法、筛选装置及存储介质-202110612411.6
- 李国君;刘兆平;张楠;齐丽娟;雍凌;高珊;宁钧宇;敬海明;谭壮生;李子南;宋雁;郑珊;娄云;贾旭东;杨辉;于洲 - 北京市疾病预防控制中心;国家食品安全风险评估中心
- 2021-06-02 - 2023-10-20 - G16B40/00
- 本发明公开了一种用于危害识别或风险评估的毒理学数据相关性的筛选方法、筛选装置及存储介质，其中筛选方法步骤为：选取毒理学数据描述的暴露物质与危害识别或风险评估中待评估物质一致的毒理学数据；针对暴露物质与待评估物质一致的毒理学数据，根据毒理学数据的类型分别进行判断；针对经筛选后优先用于危害识别和用于危害识别的毒理学数据，通过判断毒理学数据所描述的暴露途径、暴露时长及暴露浓度/剂量三个暴露相关性特征是否与风险评估的目的一致或是否可代表风险评估的目的，赋予毒理学数据与暴露相关性对应的权重，获得权重较多的数据，暴露相关性较高，优先用于风险评估。本发明可提高危害识别或风险评估的准确性。
- 一种肝细胞癌溶酶体相关基因预后模型及其构建方法和应用-202310823065.5
- 季菊玲;李洁莹 - 南通大学
- 2023-07-06 - 2023-10-17 - G16B40/00
- 本发明公开了一种肝细胞癌溶酶体相关基因预后模型及其构建方法和应用，所述溶酶体相关基因包括：ATG10、ATP6V0B、HMOX1、RAB7A、SQSTM1、TMEM41B、TP53、FTH1、RNF19B、RAMP3、TPP1、AP1M2、CLTA、DNAJC6。本发明利用14个溶酶体相关基因建立了一种可预测肝细胞癌患者总体生存率的预后模型以及相关应用产品，并验证了其具备良好的预测性能，在个体化肝细胞肝癌预后评价中具有潜在的临床应用价值。
- 用于估算或预测基因型和表型的方法和组成-202310873417.8
- A·鲍姆加滕;J·P·格克;E·罗杰斯-梅尔尼克 - 先锋国际良种公司
- 2020-03-10 - 2023-10-17 - G16B40/00
- 提供了用于估算或预测基因型、单倍型、分子表型、农艺表型和/或共祖率的方法和组成。所提供的方法和组成包括使用潜在空间来生成独立于基础的基因型或表型数据的潜在空间表示或潜在向量。所述方法可以包括通过借助基于机器学习的编码器框架将源自基因型或表型数据的离散或连续变量编码成潜在向量来生成通用的潜在空间表示。本文提供了将获得自一个或多个群体或样品集的基因型或表型数据进行参数化表示以估算或预测目的基因型或表型的通用方法。
- 一种基于超图随机游走的scSPRITE数据补全方法-202310621595.1
- 叶育森;刘亚民;高琳 - 西安电子科技大学
- 2023-05-29 - 2023-10-13 - G16B40/00
- 本发明公开了一种基于超图随机游走的scSPRITE数据补全方法，包括以下步骤：S1，获取scSPRITE测序文档；S2，提取scSPRITE测序文档中的基因位点，并得到超边集合和超图节点集合；S3，计算每个超图的超边集合中每个超边的度以及超图节点集合中每个节点的度；S4，确定每个节点转移到下一节点的游走转移概率，获得每个超图的节点向量；S5，将每个超图的节点向量输入到Node2Vec模型中进行训练，输出每个超图的节点嵌入向量；S6，计算每个超图中每两个节点嵌入向量的相似度并筛选生成每个单细胞的交互矩阵。本发明的单细胞三维基因组结构补全方法能够定义少量群细胞的三维基因组结构，通过少量群细胞即可准确测序得到单细胞基因组结构，降低了测序工作的工作量，提高了测序效率。
- 基于变分自编码器的单细胞转录因子调控网络构建方法-202310858474.9
- 张永清;牛颢;龙树全;邹权;龚美琴;王茂丞;何宇辰;丁春利;杨显华 - 成都信息工程大学;四川省计算机研究院
- 2023-07-12 - 2023-10-13 - G16B40/00
- 本发明公开了基于变分自编码器的单细胞转录因子调控网络构建方法，涉及基因转录调控领域，该方法包括：根据scATAC‑seq数据和scRNA‑seq数据，确定输入矩阵和真实标签矩阵；构建转录因子调控网络模型，并根据输入矩阵和转录因子调控网络模型确定预测标签矩阵；根据真实标签矩阵和预测标签矩阵，确定转录因子调控网络模型损失；采用双级优化策略对转录因子调控网络模型的内部参数进行更新；采用更新内部参数后的转录因子调控网络模型构建转录因子调控网络。本发明能提取并对齐单细胞ATAC‑seq和单细胞RNA‑seq数据中的高阶特征，结构化转录因子的调控关系，进而更全面准确地构建转录因子调控网络。
- 专利分类
