专利交易市场

本发明涉及基于深度学习的单细胞测序基因表达数据插补方法和系统，涉及生物信息学技术领域，该方法为获取单细胞测序用数据集，其中，所述数据集为多个细胞样本的基因表达水平组成的二维矩阵，即细胞‑基因矩阵；过滤所述数据集的细胞‑基因矩阵，并聚类筛选高表达基因；搭建神经网络模型，并将筛选出的高表达基因输入到神经网络模型进行训练和测试，得到预测模型；将低表达基因输入到预测模型中得到预测结果，将得到的预测结果插补到细胞‑基因矩阵中。本发明使用统计模型筛选出来的高表达基因作为深度学习模型的输入，保留了细胞之间的相似性，得到的基因有更密切的联系，通过神经网络学习细胞间的特征，使得在单细胞插补阶段有更好的准确率。

本发明公开了一种单细胞ATAC‑seq数据分析方法，通过提取单细胞分辨率的染色质可达性特征峰序列中转录因子‑DNA结合基元的所属种类、相对位置、长距离依赖关系等众多转录调控语法规则，从而更全面地表示单个细胞的功能状态和高阶特征。此外，本发明方法利用获取的转录调控语法规则、细胞功能状态和高阶特征，一站式地实现染色质可达性预测、细胞类型注释、染色质可达性图谱降噪、转录因子活性推断等一系列下游分析任务。

本发明公开了基于调控胁迫植物基因表达的化学调控剂的筛选方法，选择待筛选化学调控剂，以对污染物敏感的胁迫植物基因表达为基础数据，测定植物幼苗的胁迫植物基因的表达量；构建调节反应类型集ai、调节水平集bj、局势集Si,j、调控效果集G；基于G与bj得到待筛选化学调控剂的测度算式rbj(gi)；基于测度算式rbj(gi)与局势集Si,j的比值，共同构成化学调控剂对胁迫植物基因表达调控效力的预测矩阵D(Σ)，筛选出对污染物具有优化调控效力的化学调控剂。本发明基于调控胁迫植物基因表达的化学调控剂的筛选方法模型计算耦合qRT‑PCR快速筛选基因的靶向调控剂，克服了传统技术的强主观性选择性。

本发明公开了一种推断疾病相关miRNA的方法，以及推断其关联的富集的信号通路的方法，该方法包括miRNA与疾病相关文献的筛选、编码蛋白基因与疾病相关文献的筛选、疾病相关miRNA的推断、疾病相关编码蛋白基因的推断、miRNA-gene调控关系的构造、卡方检验统计量的计算、Fisher精确检验等。本发明解决了鉴定疾病相关miRNA的问题，令结果更准确可信；利用已知蛋白编码基因和信号通路之间的关系，间接构建miRNA与信号通路的关联关系，据此，可以判断miRNA在疾病中的生物作用。

本发明公开了一种深度神经网络框架预测蛋白质磷酸化的方法，包括(1)搭建集成深度神经网络框架：由ACNet和多尺度CapsNet两种网络集成得到深度神将网络框架；(2)数据集的选取：磷酸化数据集PhosphoData1训练集、多个独立测试集；(3)使用信息增益方法优化过的融合特征作为网络输入特征；(4)使用步骤(1)搭建的集成深度神经网络框架在数据集上预测模型；(5)模型参数设置；(6)将待测蛋白质序列输入模型，预测出该蛋白是否有磷酸化位点及其位置。该方法对研究蛋白质翻译后修饰位点、分析蛋白质的功能以及药物研究等方面具有重要的指导意义。

本发明公开了一种分析通信路径与脂肪酶耐热性关系的方法，属于计算机应用技术领域。通过将Dijkstra算法与类Apriori算法相结合，方便快捷的揭示出脂肪酶动态的通信与热稳定性的关系，并且挖掘出结构内部任意两个残基之间的路径信息，解决了现有技术中未挖掘出内部的重要路径段而容易忽略掉重要的路径信息的问题，达到了更加精准的表现出残基间通信强度的差异，并且本申请所述揭示的脂肪酶的通信与热稳定性的关系为动态的，克服了现有技术只能反应脂肪酶静态的的通信与热稳定性的关系，整体从全局角度研究蛋白质热稳定性提供了有效的手段。