[发明专利]一种基于图卷积神经网络的药物靶标预测方法在审
| 申请号： | 202211004610.X | 申请日： | 2022-08-22 |
| 公开（公告）号： | CN115394354A | 公开（公告）日： | 2022-11-25 |
| 发明（设计）人： | 赵思成;朱嘉静;刘勇国;张云;李巧勤;陆鑫 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G16B15/30 | 分类号： | G16B15/30;G16B40/00;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 成都点睛专利代理事务所(普通合伙) 51232 | 代理人： | 孙一峰 |
| 地址： | 611731 四川省*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及计算机辅助药物设计技术领域，尤其是涉及一种基于图卷积神经网络的药物靶标预测方法。本发明提出了基于平衡生成树的元路径选择方法，能根据不同路径距离自适应选择合适元路径，使得选择的元路径能涵盖更多的有效消息；采用注意力机制对不同元路径下获取的邻域特征进行融合，差异化融合了不同类型节点的特征；基于距离分层次获取不同远近邻域的特征，能更好地捕获高阶的拓扑结构特征；通过考虑类间置信度、路径置信度和度置信度的MLP网络进行最终药物靶标预测，进一步融合图中的信息。 | ||
| 搜索关键词： | 一种 基于 图卷 神经网络 药物 靶标 预测 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电子科技大学，未经电子科技大学许可，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/202211004610.X/，转载请声明来源钻瓜专利网。
- 同类专利
- 与猪病毒性腹泻病毒Nsp5蛋白结合的多肽序列-202310078712.4
- 王方雨;张改平;冯华;邢广旭;孙亚宁;徐倩;张颍硕 - 河南省农业科学院
- 2023-01-13 - 2023-10-27 - G16B15/30
- 本发明借助于机器学习模型，针对PEDV Nsp5蛋白晶体结构的解析，通过多肽虚拟筛选技术，筛选到与靶标蛋白具备潜，其多肽序列为YYRKWP（168510）。人工固相合成168510序列，并利用人工表达的PEDV Nsp5蛋白，借助ELISA实验对多肽进行筛选；借助表面等离子共振实验（SPR）鉴定多肽与靶蛋白的亲和力常数；通过CCK‑8试剂盒检验多肽168510对细胞毒性；借助荧光定量PCR和间接免疫荧光实验试验其抑制病毒感染的活性，结果表明168510序列可显著抑制PEDV的感染。
- 基于拉普拉斯最小二乘法的抗病毒药物筛选方法及系统-202310910411.3
- 王珊;李顺飞;刘建超;刘丽华;汤永;高笠雄 - 中国人民解放军总医院
- 2023-07-24 - 2023-10-27 - G16B15/30
- 本发明提供了基于拉普拉斯最小二乘法的抗病毒药物筛选方法及系统，属于生物信息学、计算生物学与人工智能交叉技术领域，方法通过系统实现，方法包括：S1.构建病毒‑药物关联的邻接矩阵；S2.计算病毒高斯距离相似矩阵和药物高斯距离相似矩阵；S3.计算病毒基因序列相似矩阵和药物化学结构相似矩阵；S4.使用快速核学习方法，整合得到病毒整合相似矩阵和药物整合相似矩阵；S5.使用拉普拉斯正则化最小二乘法，构造损失函数；S6.求解损失函数，得到病毒‑药物预测得分矩阵；S7.基于所述病毒‑药物预测得分矩阵，筛选、排序后得到最终预测结果。本发明能高效地筛选出病毒有效治疗药物，为特定情况下应急解决方案提供思路。
- 结合位点预测模型的训练方法、装置、设备以及存储介质-202310965127.6
- 王鑫;李瑞;李尚儒;孟湘鹏;黄炳顶 - 深圳技术大学
- 2023-08-01 - 2023-10-24 - G16B15/30
- 本发明公开了一种结合位点预测模型的训练方法、装置、设备及存储介质。其中，该方法包括：获取预先构建的用于预测纳米抗体的结合位点的初始预测模型，其中，初始预测模型包括初始语言子模型及与初始语言子模型连接的初始分类子模型；获取第一样本抗体对应的第一抗体重链序列，基于第一抗体重链序列对预先建立的初始语言子模型进行预训练，得到预训练语言子模型；获取第二样本抗体对应的第二抗体重链序列，并获取与第二抗体重链序列对应的目标标注数据，其中，目标标注数据用于指示与三维结构数据对应的结合位点；基于第二抗体重链序列和目标标注数据对预训练语言子模型和初始分类子模型进行联合训练，以得到结合位点预测模型。提升了模型的性能。
- 多肽序列的生成方法、多肽生成模型的训练方法和装置-202211085478.X
- 陈致远;薛洋;刘荔行;林大勇;方晓敏;王凡;何径舟 - 北京百度网讯科技有限公司
- 2022-09-06 - 2023-10-24 - G16B15/30
- 本公开提供了一种多肽序列的生成方法、多肽生成模型的训练方法和装置，涉及人工智能技术领域，具体涉及生物计算技术领域。具体实现方案为：在对指定蛋白质进行多肽药物设计的过程中，获取与该指定蛋白质对应的参考多肽序列，并确定指定蛋白质的蛋白质结合位点的空间结构特征信息，以及将参考多肽序列和空间结构特征信息输入到预先训练的多肽生成模型中，以得到目标多肽序列。由此,提出了一种结合指定蛋白质的蛋白质结合位点的空间结构特征信息来生成多肽序列的方式。
- 一种基于分子间相对差异性变化的网络构建方法-202310116698.2
- 黄鑫;苏本哲;王星宇 - 鞍山师范学院
- 2023-02-15 - 2023-10-20 - G16B15/30
- 本发明提供一种基于分子间相对差异性变化的网络构建方法，利用机体不同状态下分子间差异性表达和相关性差异性变化，构建表征机体癌变的关键生物网络，探究抗坏血酸对于肺癌以及新型冠状病毒的治疗机制。包括：将肺癌的基因组学数据特征集合1、新型冠状病毒以及抗坏血酸相关的基因特征2、特征集合3取交集，作为输入特征集合F；计算一对特征f
- 一条靶向Nsp5可抑制PEDV的多肽-202310080681.6
- 王方雨;邢广旭;焦文强;孙雪峰;冯华;徐倩;张梦婷 - 河南省农业科学院
- 2023-01-13 - 2023-10-20 - G16B15/30
- 本发明借助于机器学习模型，针对PEDV Nsp5蛋白晶体结构的解析，通过多肽虚拟筛选技术，筛选到与靶标蛋白具备潜，其多肽序列为RFFMWH（170849）。人工固相合成170849序列，并利用人工表达的PEDV Nsp5蛋白，借助ELISA实验对多肽进行筛选；借助表面等离子共振实验（SPR）鉴定多肽与靶蛋白的亲和力常数；通过CCK‑8试剂盒检验多肽170849对细胞毒性；借助荧光定量PCR和间接免疫荧光实验试验其抑制病毒感染的活性，结果表明170849序列可显著抑制PEDV的感染。
- 一种提高脯氨酸内肽酶底物选择性的分子改造设计方法-202310888345.4
- 鲁晓晓;沈佩琦;冯英慧;张鲁嘉 - 华东师范大学
- 2023-07-19 - 2023-10-17 - G16B15/30
- 本发明改造脯氨酸内肽酶以提升其底物选择性的理性设计方法，从PDB数据库中下载来自Myxococcus xanthus脯氨酸内肽酶的晶体结构，通过分子对接获得酶‑底物复合物结构，MD模拟使结构稳定，对底物附近的酶残基进行虚拟饱和突变，约束性MD模拟使酶处于完美催化的“近进攻态”构象，利用MM/GBSA方法计算结合自由能并进行残基能量拆解从而虚拟筛选出潜在底物选择性提升的突变体酶。通过大肠杆菌表达系统进行酶的表达，镍柱纯化，使用紫外‑可见吸收法测定重组酶对于底物SEPTTMPLW、SEATTMALW以及两者的混合物的酶促反应选择性。本发明分子改造设计方法可以快速有效提升脯氨酸内肽酶的底物选择性。
- 融合DNA形状特征的蛋白质编码区域预测方法、介质和装置-202310206583.2
- 刘昊;陈淼;魏志强;李阳阳;刘成超 - 中国海洋大学;保龄宝生物股份有限公司
- 2023-03-07 - 2023-10-17 - G16B15/30
- 本发明涉及融合DNA形状特征的蛋白质编码区域预测方法、介质和装置，属于生物信息学领域，所述方法包括数据库构建、DNA原始序列数据及DNA形状特征数据预处理、基于CNN‑BRNN的融合DNA形状特征的蛋白质编码预测模型；对预测模型进行训练，所述模型可以将DNA的形状特征与序列信息相结合，从而提高蛋白质编码区域预测的准确性。
- 抗衰老药物组合的预测方法、装置、设备及介质-202310883302.7
- 郭建影 - 平安科技（深圳）有限公司
- 2023-07-18 - 2023-10-13 - G16B15/30
- 本申请涉及人工智能药物和医疗健康技术领域，提出了一种抗衰老药物组合的预测方法、装置、设备及介质，其中，方法包括：获取目标药物用药群体的个人多组学表达谱，所述多组学包括基因组、RNA组、蛋白组、翻译后修饰组和代谢组；根据所述个人多组学表达谱和预训练的多组学表达谱的扰动预测模型，预测所述目标药物组合在不同剂量下对应的目标多组学的扰动参数；根据所述根据目标药物组合的各个剂量下的目标多组学的扰动参数，确定所述目标药物组合是否是潜在抗衰老药物组合以及对应的目标剂量。通过该技术方案，能够从系统生物学角度全面、高效、准确地发现有效的抗衰老药物。
- 可信的药物-靶点关联性预测方法-202310720153.2
- 李劲;文超宇;熊嫱微;汤应春;谢星燃;李灿鹏 - 云南大学
- 2023-06-18 - 2023-10-13 - G16B15/30
- 本发明公开了一种可信的药物‑靶点关联性预测方法，包括：药物‑靶点的结构特征表示，根据药物‑靶点的初始字符序列，利用卷积表示学习模块，获取其结构特征相关的特征向量；利用深度证据模块，对药物‑靶点关联性系数进行可信预测。本发明可以基于大量化学实验结果所形成的庞大的药物‑靶点关联对数据库，训练稳定的可信预测模型。在进入药物实验之前对药物‑靶点对进行筛选，提前发现“可靠”活性关联对，缩短药物的研发周期。同时，筛选出大量“可靠”的非活性关联对，从而极大程度上降低在这些非活性关联对上的实验成本。
- 药物靶点相互作用分析方法、装置、设备及存储介质-202310857200.8
- 王俊 - 平安科技（深圳）有限公司
- 2023-07-12 - 2023-10-13 - G16B15/30
- 本发明涉及人工智能技术及数字医疗领域，揭露一种药物靶点相互作用分析方法，包括：基于目标药物及目标靶点蛋白对预构建的药物靶点相互作用分析语句模板进行更新，得到相互作用分析任务语句；基于获取的药物靶点信息集中的每个药物靶点信息构建对应的药物靶点相互作用样本；基于所述药物靶点相互作用样本的格式，构建查询样本；基于所述相互作用分析任务语句、所述药物靶点相互作用样本及所述查询样本，利用预训练的大型语言模型进行自回归分析，得到相互作用关系分析结果。本发明还提出一种药物靶点相互作用分析装置、设备以及介质，可用于医疗领域，提高了药物靶点相互作用分析的便利性。
- 一种基于端到端学习的化合物和蛋白质相互作用与亲和力预测方法-202111037945.7
- 李敏;卢长利 - 中南大学
- 2021-09-06 - 2023-10-13 - G16B15/30
- 本发明公开了一种基于端到端学习的化合物和蛋白质相互作用与亲和力预测方法，包括：将化合物的分子式转换为原子邻接图，使用图注意力网络学习化合物每个原子的表征向量；将蛋白质氨基酸序列切分为残基序列，使用卷积神经网络模型学习残基的表征向量；构建双向注意力网络模型来融合所有原子和残基的表征向量，得到化合物特征向量和蛋白质特征向量；使用神经网络并根据化合物和蛋白质的特征向量，对化合物与蛋白质之间的相互作用以及亲和力进行预测。本发明既可以用于化合物和蛋白质相互作用的预测，又能够预测二者之间的结合亲和力，而且预测准确性好。
- 一种基于网络药理学及分子对接分析天南星活性成分抗慢阻肺作用的方法-202310675332.9
- 王卫;朱邵晴;褚琳;刘思瑶 - 江苏大学
- 2023-06-08 - 2023-10-10 - G16B15/30
- 本发明属于生物医药技术领域，具体涉及一种基于网络药理学及分子对接分析天南星活性成分抗慢阻肺作用的方法。本发明通过网络药理学获得天南星治疗慢阻肺的关键作用靶点以及相关通路，确定其潜在的分子机制，再通过分子对接进行初步验证。研究结果显示，网络药理学挖掘出天南星抗慢阻肺靶点177个，经过筛选获得20个核心靶点，再通过GO和KEGG富集分析推测天南星抗慢阻肺的作用机制可能与MMP9、NFKBIA、MAPK14靶点有关。本发明运用大数据高通量整合网络药理学，具有药物筛选速度快、筛选信息全，可辅助用于药物研发，对于指导中药研发具有重要意义，具有很好的应用价值和市场前景。
- 一种基于网络药理学分析β-胡萝卜素抗炎作用靶点与分子机制的方法-202310811441.9
- 章真;吴世林;张荣庆;陈静芸;杨宁;张清洋;陈冉;李坤 - 浙江清华长三角研究院;浙江清荣生物科技发展有限公司
- 2023-07-04 - 2023-10-03 - G16B15/30
- 本发明涉及系统生物信息学技术领域。本发明提供了一种基于网络药理学分析β‑胡萝卜素抗炎作用靶点与分子机制的方法，包括如下步骤：筛选β‑胡萝卜素的作用靶点和炎症的靶点，进行交集映射，获得β‑胡萝卜素抗炎的作用靶点；分析作用靶点，得到靶点蛋白互作网络关系图，筛选得到关键靶点；对关键靶点进行GO生物过程和KEGG信号通路分析，根据分析结果进行β‑胡萝卜素抗炎作用机制分析，构建“β‑胡萝卜素‑炎症”网络图；将关键靶点和β‑胡萝卜素结构进行分子对接。本发明应用网络药理学方法，初步揭示了β‑胡萝卜素潜在的抗炎靶点和现代生物学机制，为今后β‑胡萝卜素抗炎治疗提供指导。
- 一种基于矩阵补全算法的药物-miRNA关联预测方法-202310954918.9
- 王淑栋;任传儒;李韵音;庞善臣;王福钰;刘英业 - 中国石油大学（华东）
- 2023-08-01 - 2023-10-03 - G16B15/30
- 本发明提供了一种基于矩阵补全算法的药物‑miRNA关联预测系统，涉及生物信息、机器学习领域。首先，我们整合药物和miRNA的多源数据，构建两个独立的药物相似性网络以及三个独立的miRNA相似性网络。然后，通过自适应加权融合方法，将这些不同的相似性网络分别集成到药物和miRNA的综合相似性网络中。基于药物和miRNA的综合相似性网络以及已知的药物‑miRNA相互作用信息构建药物‑miRNA异构网络，并定义了一个目标矩阵来表示它。随后，将目标矩阵输入到矩阵补全算法中，通过增广拉格朗日乘子法迭代优化以补全目标矩阵中的缺失值。最终，利用矩阵划分方法将输出矩阵划分为信息量增强的药物相似性矩阵，信息量增强的miRNA相似性矩阵以及去除噪声且缺失值被补全的药物‑miRNA关联得分矩阵。
- 一种转录因子活性计算方法、存储器及电子设备-202310618765.0
- 季序我;赵义;彭鑫鑫;李哲 - 普瑞基准生物医药（苏州）有限公司;普瑞基准科技（北京）有限公司;北京普康瑞仁医学检验所有限公司
- 2023-05-29 - 2023-10-03 - G16B15/30
- 本发明公开了一种转录因子活性计算方法、存储器及电子设备，属于生物信息技术领域。方法包括：在各个细胞类群中计算转录因子基因表达值和非转录因子基因表达值的互信息；根据互信息的大小和互信息的统计显著性筛选转录因子的靶标基因；根据转录因子基因表达值和靶标基因表达值的相关性筛选正向调控靶标基因和负向调控靶标基因；计算正向调控靶标基因表达值、负向调控靶标基因表达值与转录因子基因表达值的平均互信息，并将该平均互信息作为转录因子的活性。本发明基于细胞类群的基因表达信息计算转录因子活性，还基于统计学方法对转录因子潜在的靶标基因进行筛选，同时考虑正向调控和负向调控的靶标基因，提高了转录因子活性计算的准确度。
- 一种基于TransVAE的药物-靶标结合亲和力预测方法-202310840256.2
- 周长建;宋佳;李中正;向文胜 - 东北农业大学
- 2023-07-11 - 2023-09-29 - G16B15/30
- 本发明涉及人工智能与药物发现相关领域，具体来说，发明了一种基于Transformer与变分自编码器(Variational Autoencoder,VAE)相结合的药物‑靶标结合亲和力(Drug‑Target binding Affinity,DTA)预测方法。用于解决目前公开的多数基于人工智能的DTA预测方法中存在的两个问题：1)大多方法只关注药物和靶标的特征表示，而忽略了到药物和靶标的子结构(Sub‑structure)对DTA预测结果的影响，即特征获取不够细粒度化；2)缺乏有效的特征融合方法，从而导致DTA预测效果不理想的问题。本发明结合Transformer与VAE两个模型的优势，分别对药物和靶标进行特征编码后再输入到本发明设计的注意力池化模块进行特征融合，最后输入到预测模块进行DTA预测。本发明可以应用于药物与靶标结合亲和力的预测。
- 一种基于基因组ORFs筛选细菌耐药特征的方法及应用-202310702705.7
- 蒋智;陈方媛;韩朋;饶冠华;贾雪峰 - 北京金匙医学检验实验室有限公司;天津金匙医学科技有限公司;金匙智造（天津）医疗科技有限公司
- 2023-06-14 - 2023-09-29 - G16B15/30
- 本申请属于生物信息学技术领域，具体涉及一种基于基因组ORFs筛选细菌耐药特征的方法及应用。该方法基于细菌基因组从头预测获得的基因(ORF)进行细菌基因组遗传特征和药敏表型数据的关联分析，以筛选出与细菌耐药表型具有高关联的耐药特征。
- 一种预测非组蛋白乳酸化位点的方法-202310662696.3
- 赵天毓;陈立;张明;张美双 - 吉林大学
- 2023-06-06 - 2023-09-29 - G16B15/30
- 本发明公开了一种预测非组蛋白乳酸化位点的方法，包括以下步骤：进行蛋白结构的获取，进行小分子的准备，基于电荷引力预测潜在的赖氨酸位点，基于存在电荷引力的潜在赖氨酸位点的验证。本发明通过计算模型可实现有效、快速、准确地预测非组蛋白赖氨酸乳酸化位点，填补Kla位点的常规表征湿实验方法的缺陷，为非组蛋白乳酸化研究提供新思路。同时鉴于本发明出色的性能和通用性，可以成为其他类型PTM位点预测模型的有效基线，促进相关领域的进一步发展。
- 一种基于自动特征交叉的药物靶标结合亲和力预测方法和系统-202310329242.4
- 陈自强;曾令仿;陈光;程永利;张莹;李勇;朱健;王鹏程;崔钰 - 之江实验室
- 2023-03-29 - 2023-09-19 - G16B15/30
- 一种基于自动特征交叉的药物靶标结合亲和力预测方法，包括：获取药物分子SMILES序列、靶标蛋白氨基酸序列以及固有属性特征；将SMILES序列表示为基于原子和化学键构成的图；分别对药物分子图和氨基酸序列表征学习，获得药物分子的特征嵌入和氨基酸的特征嵌入；对药物分子及靶标蛋白的类别型固有属性特征进行嵌入表征，获得类型型固有属性特征嵌入；使用SENet对前述步骤各类特征嵌入进行相关性建模，动态学习特征重要性；采用自动特征交叉方法对筛选的特征进行特征交叉；基于筛选特征和交叉特征，获得药物分子与靶标蛋白的结合亲和力预测值。本发明能够自适应的学习和融合药物分子和靶标蛋白的特征信息，大大提升了药物分子与靶标蛋白结合亲和力预测的准确度。
- 基于图神经网络和知识图谱的靶点基因预测系统-202310739334.X
- 杨铠源;袁野 - 上海交通大学
- 2023-06-21 - 2023-09-19 - G16B15/30
- 一种基于图神经网络和知识图谱的靶点基因预测系统，包括：预处理模块、知识图谱构建模块和图神经网络模块，预处理模块对输入的基因表达数据进行预处理，融合多个数据库的基因互作网络，构建出基因相互作用的图结构；知识图谱构建模块将基因相互作用的图结构、基因表达数据和已知靶点信息融合构建出知识图谱；图神经网络模块通过构建基于图注意力网络GAT的网络模型，并在离线阶段基于知识图谱对网络模型进行训练，并在在线阶段对实时输入的基因表达数据进行分类识别。本发明以基因之间的作用关系为基础构建图结构，使用有向图对多个数据库的基因调控网络进行整合建模，且使用了改进的图神经网络训练节点嵌入，同时整合了多组学数据，能够得到更加精确的预测结果，可以改善数据单一和可解释性问题。
- 一种基于网络药理学和分子对接筛选虾青素抗糖尿病肾病靶点的方法-202310784142.0
- 章真;杨宁;张荣庆;张清洋;吴世林;陈静芸;李坤;陈冉 - 浙江清华长三角研究院;浙江清荣生物科技发展有限公司
- 2023-06-29 - 2023-09-19 - G16B15/30
- 本发明提供了一种基于网络药理学和分子对接筛选虾青素抗糖尿病肾病靶点的方法，属于生物医药技术领域。本发明采用网络药理学方法，通过获取虾青素作用靶点和糖尿病肾病疾病靶点，找到虾青素抗糖尿病肾病的靶点，构建靶蛋白网络互作图，运用多个网络数据库和数据分析软件等工具，从分子层面探究虾青素对糖尿病肾病的潜在治疗靶点，并阐明对糖尿病肾病的抑制机制，为虾青素的进一步临床应用提供参考依据与新思路。
- 基于spark计算引擎的高通量虚拟药物筛选方法及系统-202110925770.7
- 彭绍亮;崔勇辉;刘浩 - 湖南大学
- 2021-08-12 - 2023-09-19 - G16B15/30
- 本发明公开了一种基于spark计算引擎的高通量虚拟药物筛选方法及系统。方法包括受体广播、配体索引构建、配体分割、配体组装、并行化、分子对接和对接结果聚合步骤。本发明使用HDFS分布式文件系统存储受体和配体的对接数据，利用spark分布式计算引擎完成数据并行化的分子对接任务，具有计算速度快、支持容错、可扩展性强、易于部署和使用等特点。
- 基于蛋白质结构的可控属性全新活性小分子设计方法-202310707583.0
- 施建宇;李嘉宁;杨光;赵鹏程;韦学鑫 - 西北工业大学
- 2023-06-15 - 2023-09-15 - G16B15/30
- 本发明公开了一种基于蛋白质结构的可控属性全新活性小分子设计方法，提出了一个基于Transformer的小分子生成模型，即CproMG。基于融合蛋白质的层次视图，它通过将氨基酸残基与其组成原子关联，显著增强了蛋白质结合袋的表达。通过联合嵌入分子序列、其类药物性质和与蛋白质的结合亲和力，它通过测量分子标记与蛋白质残基和原子的接近度，以可控的方式自动回归生成具有所需财产的新分子。
- 前列腺癌本体及其构建方法-202010729262.7
- 郁春江;沈百荣 - 苏州工业园区服务外包职业学院
- 2020-07-27 - 2023-09-15 - G16B15/30
- 本发明提供了前列腺癌本体及其构建方法，从流行病学、诊断、治疗三个生物医学的视角，人工收集了前列腺癌相关的知识，并对每个概念从定义、同义词、参考资源等方面进行了标注。考虑到精准医疗的发展前景，创新性的将前列腺癌相关的基因和生活方式风险因素收集到了流行病学中。根据收集的信息利用OWL语言构建了前列腺癌本体，并实现了基于构建本体的知识检索系统。该本体涵盖了从临床到分子的主要生物医学概念，共包含631个类，2386个同义词，12个对象属性，6个数据属性，最大深度8，最大宽度53。本发明将促进前列腺癌领域知识的标准化，对异质数据的整合分析、知识的共享与挖掘、智能搜索等提供知识支撑和推理基础。
- 酶-底物亲和力常数预测方法、存储介质和装置-202310206869.0
- 魏志强;刘其琛;刘昊;毛相朝;李阳阳;刘成超 - 中国海洋大学
- 2023-03-07 - 2023-09-15 - G16B15/30
- 本发明涉及一种酶‑底物亲和力常数预测方法、存储介质和装置，属于生物信息学领域，所述方法包括如下步骤：1)构建蛋白质和化合物序列语料库用来训练模型，2)提取表征底物信息的复合SMILES字符串和表征酶信息的氨基酸序列嵌入模型，构建张量矩阵，3)将张量矩阵输入到卷积神经网络进行特征提取，获得特征向量；4)将提取到的两个特征向量连接成单个向量，并将该向量输入到回归网络中以进行K
- 一种细胞特异性合成致死对预测方法、装置、设备和介质-202310700493.9
- 濮梦辰;辛玉翠;魏兰颖;郑炜圣;彭公信;李晓荣;成凯阳;张应生 - 北京望石智慧科技有限公司
- 2023-06-14 - 2023-09-15 - G16B15/30
- 本发明公开了一种细胞特异性合成致死对预测方法、装置、设备和介质。该方法包括：对目标细胞系的特定组学数据进行预处理，获得目标细胞系的特异性融合特征，该特定组学数据包含有多种能够表征细胞特异性的组学数据；将该特异性融合特征输入预先训练好的合成致死对预测模型，输出初步预测结果，该初步预测结果包含目标细胞系中各基因对为合成致死对的概率；基于初步预测结果筛选出目标细胞系中的特异性合成致死对。本发明能够实现合成致死对预测的高可靠性。
- 组织标记位置的确定方法、装置和存储介质-202310632801.9
- 何琼;邵金华;孙锦 - 无锡海斯凯尔医学技术有限公司;北京索瑞特医学技术有限公司
- 2023-05-30 - 2023-09-12 - G16B15/30
- 本发明公开了一种组织标记位置的确定方法、装置和存储介质，其中，组织标记位置的确定方法包括获取目标组织的边缘轮廓以及软硬程度分布信息，其中，软硬程度分布信息用于表征目标组织不同位置处的软硬程度；根据边缘轮廓的形状特征，确定目标组织所在区域待标记的第一备选位置，以及根据软硬程度分布信息，将软硬程度超过软硬度阈值的位置确定为目标组织所在区域待标记的第二备选位置；及根据第一备选位置和第二备选位置，确定目标组织所在区域待标记的目标位置。可以无需人工的方式对组织进行标记，大大提高了对组织进行标记的准确率和效率。
- 一种AI辅助筛选药食同源ALK抑制剂的方法-202310850604.4
- 王小宁;庞亭林;张立群;喇明平 - 安酷生物技术（苏州）有限公司
- 2023-07-12 - 2023-09-12 - G16B15/30
- 本发明属于人工智能技术领域，提供了一种AI辅助筛选药食同源中药ALK抑制剂的方法，所述方法包括以下步骤：1)查询与搜集药食同源中药后，建立药食同源中药数据库；2)以药食同源中药数据库中的中药名称进行检索、筛选活性单体成分，以构建药食同源中药的活性单体成分数据集；3)分子对接分析，筛选具有ALK蛋白亲和力的活性单体；4)建立具有ALK蛋白亲和力的活性单体与中药的映射关系，筛选得到潜在的药食同源中药ALK抑制剂；5)在细胞水平上，验证所述药食同源中药ALK抑制剂的抑制活性。所述方法可快速筛选低毒、ALK蛋白抑制活性的中药。
- 药物-靶蛋白亲和力预测方法及系统-202111130899.5
- 汲化;李梅;徐思涵;蔡祥睿 - 南开大学
- 2021-09-26 - 2023-09-08 - G16B15/30
- 本发明提供一种药物‑靶蛋白亲和力预测方法及系统，属于基于人工智能的生物信息处理技术领域，对待检测的药物‑靶蛋白对中的药物化学分子和靶蛋白分子分别进行编码，得到药物输入表示和靶蛋白输入表示；利用药物‑靶蛋白亲和力预测模型对所述药物输入表示和靶蛋白输入表示进行处理，得到药物‑靶蛋白亲和力预测值。本发明利用元学习算法，有效挖掘了不同子任务之间的相关性；利用正则化项缓解不同子任务之间的任务不平等性，提高了药物‑靶蛋白亲和力预测模型的任务自适应性，获得了具有泛化性能的药物‑靶蛋白亲和力预测模型，提高了对未知药物‑靶蛋白对亲和力预测的准确性，有效解决了药物‑靶蛋白亲和力预测方面的冷启动问题。
- 专利分类
