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
一种基于RNN的基因调控网络构建与动态差异性分析方法，包括以下步骤：第一步、基于deepRNN的基因动态调控网络构建；第二步、基于亚型内动态调控网络的时序变化演化分析；第三步、基于亚型间动态调控网络的网络差异演化分析，不同亚型网络的演化分析包括动力学分析、差异性分析和扰动分析。本发明提供一种精确性较好的基于RNN的基因调控网络构建与动态差异性分析方法。
📄 2017103553575
📂 G16B40_00
👤 浙江工业大学
📅 2017-05-19
本发明提供一种基于异步分布式优化算法的高效蕈菌毒性识别方法，包括：通过将蕈菌毒性识别结果转换为有向网络上多智能体的异步分布式优化问题，采用基于异步分布式非精确性梯度推送优化算法，对异步分布式优化问题进行求解，得到蕈菌毒性识别结果，基于异步鲁棒梯度跟踪机制，对蕈菌毒性识别结果进行处理，获取蕈菌毒性梯度的平均值，作为蕈菌毒性识别的目标结果。本发明能够使得每个蕈菌均能够线性收敛到精确的最优解，确保蕈菌毒性识别的高精度，且提高了蕈菌毒性识别的效率。
📄 2022114052538
📂 G16B40_00
👤 西南大学
📅 2022-11-10
本发明公开了一种基于全基因组选择预测甘蓝型油菜杂种优势的方法，该方法包括：获取亲本材料，根据亲本材料配置若干杂种组合；确定各个亲本材料及其杂种组合的性状表型；进行基因型分型，得到基因型数据；基于所述性状表型和所述基因型数据，筛选出组间差异显著点位以及关联分析显著点位；基于所述性状表型、基因型数据、组间差异显著点位和关联分析显著点位，构建多个预测模型；基于组间差异显著点位，利用逐步回归方法进行多元性线性分析，得到多元逐步回归模型；基于交叉验证，评估多个预测模型以及所述多元逐步回归模型的预测准确性，确定对性状最优的模型。本发明构建简便有效的预测指标体系指导亲本选配以及对杂交组合预测。
📄 2023106308481
📂 G16B40_00
👤 西南大学
📅 2023-05-31
本发明公开了一种基于深度学习和机器学习领域的抗病毒肽预测方法，该方法的具体步骤如下：步骤1、获取序列数据，其中所获取的序列数据为待预测的肽序列；步骤2、对待预测的肽序列进行预处理；步骤3、将步骤2中得到的数据进行预测，并输出预测结果。其融合模型选择将神经网络和机器分类相结合，并采取两步走的预测方法，在交叉实验和独立测试集上的评估结果显示，FusedModel相比于其他模型，有着良好的分类结果，为抗病毒肽的识别提供了快速而又准确的方法，方便现代医疗的研究以及治疗。
📄 2021113429072
📂 G16B40_00
👤 杭州电子科技大学
📅 2021-11-12
一种基于粒子群算法的改进最小残差法分析混合STR图谱的方法：S100：输入来自两个供体的混合STR图谱；S200：在(0，0.5)区间内随机生成3个粒子的初始位置，并在[‑0.01，0.01]区间内随机生成所述3个粒子的3个初始速度；S300：分别根据所述3个粒子计算得出3个residualsum；S400：分别计算3个粒子各自的个体最优位置，获得residualsum最小时Mx的值；S500：计算整个粒子群体的全局最优位置，获得residualsum最小时Mx的值；S600：更新所述3个粒子的速度和位置；S700：如果迭代次数达到阈值，则获得residualsum最小值、混合比例预测值Mx’和拆分结果；否则返回到步骤S300继续执行。本方法改进了最小残差法，重新定义混合比例实现等位基因模型(allele model)的化简；粒子群算法的引入，能够实现混合STR图谱的快速分析。
📄 2022106138170
📂 G16B40_00
👤 陕西师范大学
📅 2022-05-31
本发明公开了一种特征基因选择及癌症分类方法，至少包括以下步骤：根据超参数组和待处理基因数据集建立logistic回归模型；根据极大似然估算以及对算运算，将logistic回归模型表达为损失函数；建立SCAD‑Net的求解模型；结合损失函数和SCAD‑Net的求解模型，得到SNL模型；计算SCAD‑Net的迭代更新算子；根据迭代更新算子，通过坐标梯度下降法计算SNL模型的基因回归系数；根据基因回归系数，进行特征基因的选择和癌症的分类。本发明提供了一种特征基因选择及癌症分类方法，能够有效地提高了特征基因选择和癌症分类的准确性，从而有利于对疾病的研究。
📄 2018115228273
📂 G16B40_00
👤 韶关学院
📅 2018-12-13
本发明公开了一种基于深度学习的单细胞RNA测序数据分类方法和系统。本发明提出了基于改进Transformer的多尺度神经网络，用于对预处理后的单细胞RNA测序数据进行分类。该多尺度神经网络集成了多尺度注意力机制、相对位置编码和门控前馈网络，不仅能够捕获数据的多层次依赖关系，还能通过特征筛选有效降低噪声干扰。相比传统的卷积神经网络或经典Transformer，本发明提出的多尺度神经网络在序列建模和分类任务中展现出了更强的鲁棒性和泛化能力。通过在多个公开数据集上的广泛测试，所提出的多尺度神经网络在细胞类别分类任务中展现出了更好的性能。
📄 2025100340764
📂 G16B40_00
👤 浙江理工大学
📅 2025-01-09
本发明属于致病SNP组合数据检测技术领域，公开了一种高阶SNP致病组合数据检测方法、系统、计算机设备，利用Plink从VCF文件中读取出PED，MAP格式数据，整理成SNP样本矩阵；根据数据中SNP位点和样本量的大小，设置搜索算法参数；将SNP样本数据读入，进行高阶SNP致病组合位点筛选，将和声搜索策略的全局搜索能力与差分演化算法的快速计算能力进行融合；进行迭代搜索；迭代过程结束后，合并4个独立种群中的个体；采用改进的G‑test统计检验方法进行样本的差异显著性检验；通过G‑test检验的SNP组合被认为是可能的高阶SNP致病组合。本发明有效地降低了对致病模型的偏好性。
📄 2020111212911
📂 G16B40_00
👤 西安邮电大学
📅 2020-10-19
本发明提供一种基于机器学习的结直肠癌免疫预后的预测方法，涉及生物医学检测技术领域，具体步骤包括：收集免疫相关标志和途径特征的基因集，使用单样本基因集富集分析方法和共识聚类方法，基于免疫相关标志和途径特征的基因集，对结直肠癌患者进行亚型分组，筛选出显著差异表达基因；对这些基因进行单因素Cox回归分析，获得具有预后价值的免疫相关基因；利用机器学习组合算法训练多种预后模型，计算并比较其C‑index平均值，选择最佳模型构建结直肠癌免疫预后模型；根据该模型计算每位患者的风险评分值；根据患者的风险评分，预测其总体生存率和风险分组情况。本发明显著提升了模型对免疫微环境的反映能力，优化了预测精度，为结直肠癌患者的个性化治疗提供了科学依据。
📄 2024111016632
📂 G16B40_00
👤 苏州科技大学
📅 2024-08-12
本发明涉及基于DNA杂交反应技术的新型线性机器学习方法，属于生物计算及机器学习领域，本方案提出的基于DNA分子电路的机器学习系统不需要电子计算机的辅助便可以完成训练和测试过程，实现了机器学习的完全生物化；该系统由三部分构成，包括机器学习训练部分、算法部分和测试部分，该机器学习方法具有学习线性函数的能力，与硅电路不同，该学习算法是通过DNA杂交反应的同步性实现的，因此，该机器学习方法的计算模式是并行计算模型，该机器学习的权重是通过训练获得的，无需电子计算机的参与；通过该方法可以学习多变量线性函数，对输入项的个数没有限制；由于DNA浓度是非负的，该方法使用双轨模型进行负数据处理操作。
📄 2023108023956
📂 G16B40_00
👤 燕山大学
📅 2023-07-03
柿子坊 · 知识产权运营
柿子坊知识产权运营平台