本发明涉及一种基于图表示学习的基因调控网络推断方法及系统,该方法包括:通过单细胞RNA测序数据构建基因调控网络数据集,将已知相互作用的基因对作为正样本,未知相互作用的基因对作为负样本,并随机划分为训练集、验证集和测试集;将训练集中的先验基因调控网络和基因表达谱输入到预构建的基因调控网络推断模型中进行迭代训练,得到基因对预测值;构建包含图对比学习正则项的损失函数,计算预测值与真实值之间的损失值来更新模型参数,当训练轮次达到阈值时,输出模型训练参数,并加载到模型中,对未知相互作用的基因对进行调控关系预测。本发明解决了传统生物实验成本高和现有计算模型精度低的问题,提高了基因调控网络的推断精度。
📄 2024116315664
📂 G16B40_00
👤 江南大学
📅 2024-11-15
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。
📄 2023108940315
📂 G16B40_00
👤 江南大学
📅 2023-07-20
本发明涉及一种利用细胞代谢网络监测生物制造过程的方法,包括如下步骤:基于代谢网络进行通量均衡分析,得到反映细胞生长与繁殖过程的代谢通量;将细胞内代谢通量与生产过程变量一起构成训练数据集,建立生物发酵过程监测模型及统计量控制限;基于监测模型,利用实时采集的生产过程变量和代谢通量计算值进行运行状况在线监测。本发明的利用细胞代谢网络监测生物制造过程的方法,该方法既利用微生物制造过程可检测或可观测信息,又充分挖掘细胞生长繁殖过程中不可检测的胞内代谢信息,能够更加有效的实施对生产制造过程运行状况评估及故障监测。
📄 2021109508739
📂 G16B40_00
👤 江南大学
📅 2021-08-18
本发明公开了一种基于Transformer网络的生物代谢途径逆合成设计方法及系统,包括:构建化学反应与生物酶促反应数据集并进行预处理;对反应物与产物的SMILES序列进行分词并构建共享词汇表;基于共享词汇表,利用化学反应数据集与预处理后的生物酶促反应数据集训练Transformer架构的单步逆合成预测模型,基于产物SMILES序列及其对应酶EC编号训练BERT架构的酶EC编号预测模型;预定义构建块数据集,以训练好的两个模型为基础,采用多步逆合成规划算法进行多步逆合成路径规划,迭代生成从目标产物至构建块分子的完整合成途径及对应酶信息。本发明解决了传统方法依赖人工模板、数据稀缺、酶信息缺失的问题,显著提升生物逆合成设计的自动化程度与实用性。
📄 2026100510929
📂 G16B40_00
👤 江南大学
📅 2026-01-15
本发明公开了一种结构学习与谱图递推算法的代谢组学数据注释方法,属于代谢组学数据分析领域。所述方法针对现有组学数据分析瓶颈,开发了一种结合代谢反应规律建模、组学数据联合处理与代谢网络智能注释的方法,通过引入结构特征学习模型与谱图递推算法,融合多层级质谱信息,实现对未知代谢物的高置信度结构注释;同时支持多种主流质谱数据格式的自动化预处理、注释与图谱构建,具备良好的数据兼容性与算法扩展性;本发明能够显著提升代谢物注释的覆盖度与准确率,适用于血液、尿液、组织等多类型生物样本的高通量代谢组学分析场景,为疾病机制研究、药物代谢评价及生物标志物筛选等应用提供了高效可靠的技术支持。
📄 2025109783096
📂 G16B40_00
👤 江南大学, 国家超级计算无锡中心
📅 2025-07-16
本发明公开了一种基于多元特征的液‑液相分离蛋白质预测方法,该方法在进行预测时同时提取了序列特征、二级结构特征和空间结构特征,并根据空间结构构建了残基接触图,采用图注意力网络来提取根据残基接触图和序列嵌入构建的空间结构图进行深层次结构特征的挖掘,基于蛋白质相分离行为与其结构密切相关的特性有效提高预测性能;此外,本方案采用三层堆叠的图注意力网络来提取蛋白质的结构特征,并结合序列中提取的物理化学特征,通过堆叠式的集成学习模型对液‑液相分离蛋白进行预测,可进一步提升模型预测性能。
📄 2025102929650
📂 G16B40_00
👤 电子科技大学长三角研究院(衢州)
📅 2025-03-13
本发明公开了一种基于深度神经网络的癌症预后评估与靶点识别,该方法包括:获取基因表达数据,并对所述基因表达数据进行预处理,获得初始数据;使用结合扩散模型和自编码器的深度神经网络对所述初始数据进行特征提取处理,获得基因表达特征的低维表示;将所述基因表达特征的低维表达输入XGBoost生存分析模型,获得风险值,并根据所述风险值获得癌症预后评估结果;根据所述风险值以及患者基因表达进行差异表达分析,获得癌症预后靶点。可见,本发明通过结合了扩散模型和自编码器的深度神经网络以及XGBoost生存分析模型,实现了对癌症患者预后风险的准确评估和相关靶点的识别,从而为个性化治疗和靶向疗法的设计提供了科学依据。
📄 2024116996270
📂 G16B40_00
👤 佛山大学
📅 2024-11-26
本发明属于智能细胞生物识别领域,具体涉及基于高阶过滤图卷积注意力网络的生物分子相互作用预测方法。该方法包括生物分子相互作用网络的基础结构特征提取,生物分子相互作用网络的高阶结构特征提取,基础结构特征与高阶结构特征混合,特征过滤网络,链接预测器5个阶段。本方法先分别提取生物分子相互作用网络的基础结构特征和高阶结构特征,再将两种结构特征通过CONCAT机制进行混合,完善了生物分子相互作用网络的结构特征提取。在特征过滤网络中,本方法提出了LN+SE+LSTM(正则化层+注意力层+长短期记忆网络)的特征过滤机制,成功地降低了高阶邻接节点的噪声。
📄 202310381106X
📂 G16B40_00
👤 江南大学
📅 2023-04-11
本发明提供了一种基于增强的超图卷积自编码算法的miRNA‑疾病关联预测方法,包括以下步骤:S1:获取miRNA‑疾病的邻接矩阵A,通过miRNA‑疾病邻接矩阵来描述二者的关联关系;S2:通过邻接矩阵A分别计算出miRNA高斯相似性MG、miRNA余弦相似性MC、疾病高斯相似性DG和疾病余弦相似性DC,将它们分别作为miRNA的特征和疾病的特征;S3:根据高斯相似性,使用加权K近邻获取图隐藏关联信息,以此得到增强的超图关联矩阵;S4:将miRNA的特征和疾病的特征通过全连接层映射到同一个域空间,使用超图卷积的方式训练得到嵌入特征;S5:对嵌入特征使用一个双线性解码器进行解码,计算其关联评分,本发明可以更准确地预测miRNA‑疾病的关联信息。
📄 202310121363X
📂 G16B40_00
👤 广东工业大学
📅 2023-02-14
本发明提供一种多阶相似性融合学习的微生物‑疾病关联性预测方法,包括以下步骤:S1:获取微生物功能相似性矩阵PM,1和疾病功能相似性矩阵PD,1;S2:获取微生物‑疾病关联矩阵Y,并利用Y计算出微生物线性邻域相似性矩阵PM,2和余弦相似性矩阵PM,3,同时计算出疾病线性邻域相似性矩阵PD,2和余弦相似性矩阵PD,3;S3:构建一个多阶相似性融合学习方法;S4:最后采用标签传播方法得到最终预测结果。本发明通过构建多阶相似性融合学习方法来对多种相似性进行融合,结合标签传播能有效地利用好所构建的相似性网络,从而实现精准预测微生物‑疾病的关联。
📄 202311156934X
📂 G16B40_00
👤 广东工业大学
📅 2023-09-07
本发明涉及沉淀预测技术领域,公开一种微生物诱导碳酸钙沉淀速率预测方法、装置、设备及介质,方法包括获取目标微生物样本在诱导碳酸钙沉淀过程中的多种初始组学数据;对每种初始组学数据进行预处理后降维,得到各自对应的低维目标特征向量;基于蛋白质相互作用或代谢通路知识构建生物交互网络拓扑图;基于神经编码网络,将多个低维目标特征向量映射至统一的低维嵌入空间,得到低维多模态联合特征向量;基于注意力机制对低维多模态联合特征向量进行加权整合,得到融合特征向量;将融合特征向量输入至预先构建的回归预测框架,以得到沉淀预测速率。本方案提升了对微生物诱导碳酸钙沉淀过程中的捕捉能力,提高了沉淀速率预测的准确性。
📄 2026107065781
📂 G16B40_00
👤 龙岩学院
📅 2026-05-21
一种基于数据流聚类的癌症亚型精准发现与演化分析方法,包括以下步骤:(a)基因表达数据流的初始化;(b)基因表达数据流在线实时聚类,将每个到达的数据点投入与之相对应的网格单元中,并在线维护网格;到达指定时间节点时,根据网格的密度信息对稀疏网格进行删除;(c)基因表达数据流离线精准聚类,将网格视作自带密度信息的虚拟数据点,采用基于密度‑距离分布的聚类方法对这些虚拟的数据点进行聚类,根据被确定的聚类中心点的密度信息对其他数据点进行快速的聚类划分,最终输出聚类结果;(d)类簇演化迁移分析。本发明提供一种精度较高的基于数据流聚类的癌症亚型精准发现与演化分析方法。
📄 201710355340X
📂 G16B40_00
👤 浙江工业大学
📅 2017-05-19