-
Patent Agency Ranking
公开(公告)号：CN108733976B
公开(公告)日：2021-12-03
申请号：CN201810499881.4
申请日：2018-05-23
Applicant: 扬州大学
Abstract: 本发明属于生物信息技术领域，具体涉及一种基于融合生物与拓扑特征的关键蛋白质识别方法：对每一个蛋白质顶点赋予表示其重要程度的得分，所有顶点的得分构成一个n列的向量，给出得分的初始值，根据生物信息和拓扑特性的值，构成蛋白质顶点的属性值，并构成属性矩阵。最终按分值由大到小排列，输出分值对应的k个蛋白质即为最后结果。将蛋白质相互作用网络的拓扑特性与蛋白质生物属性相结合有助于提高识别关键蛋白质的准确性，提高了关键蛋白质识别的效率。
-
公开(公告)号：CN109686403A
公开(公告)日：2019-04-26
申请号：CN201811597473.9
申请日：2018-12-26
Applicant: 扬州大学
CPC classification number: G06K9/6215 , G06K9/6221
Abstract: 基于不确定蛋白质相互作用网络中关键蛋白质识别方法使用SimRank来进行蛋白质相似度计算,通过将不确定网络中计算SimRank问题转换成在确定性网络的SimRank计算，之后，考虑了蛋白质相互作用网络的拓扑特性和蛋白质的生物特征，通过计算边缘聚类系数、基因本体相似度、皮尔逊相关系数、亚细胞定位分数，得出一个重要性分数。最终按分值由大到小排列，输出分值对应的前k个蛋白质即为最后结果。本发明在不确定相互作用网络上，融合生物属性和拓扑特性提高了识别关键蛋白质的准确性，同时使预测结果更加准确，提高了预测的效率,扩展了该技术在生物信息领域的应用范围和实用性。
-
公开(公告)号：CN108733976A
公开(公告)日：2018-11-02
申请号：CN201810499881.4
申请日：2018-05-23
Applicant: 扬州大学
Abstract: 本发明属于生物信息技术领域，具体涉及一种基于融合生物与拓扑特征的关键蛋白质识别方法：对每一个蛋白质顶点赋予表示其重要程度的得分，所有顶点的得分构成一个n列的向量，给出得分的初始值，根据生物信息和拓扑特性的值，构成蛋白质顶点的属性值，并构成属性矩阵。最终按分值由大到小排列，输出分值对应的k个蛋白质即为最后结果。将蛋白质相互作用网络的拓扑特性与蛋白质生物属性相结合有助于提高识别关键蛋白质的准确性，提高了关键蛋白质识别的效率。
-
公开(公告)号：CN108596777A
公开(公告)日：2018-09-28
申请号：CN201810435350.9
申请日：2018-05-09
Applicant: 扬州大学
Abstract: 独立级联模型下带有unwanted user的影响力最大化方法，根据独立路径构造子图，从而将复杂网络之间用户关系进行分解，计算得到节点之间的激活概率a(v，u)以及子图的传播概率aw(v,u)，其次计算子图中所有节点的传播增量ΔS(x)，最后按照条件筛选出包含k个节点的种子节点集合S。本方法使得预测结果更加的准确，可靠性更高。该技术可以提高识别网络中有影响力节点方面的效率，扩展了该技术在影响力最大化领域的应用范围和实用性。
-
公开(公告)号：CN107392365A
公开(公告)日：2017-11-24
申请号：CN201710568222.7
申请日：2017-07-11
Applicant: 扬州大学
CPC classification number: G06Q10/047 , G06Q50/01
Abstract: 本发明涉及基于传播路径分析的独立级联模型的影响力最大化方法。本发明输入复杂网络并确定初始传播的种子节点，产生传播路径，构造激活概率最大前m条最短路径集合，计算路径集合的最终激活概率，选择节点集合，通过最大覆盖的贪心算法最终的得到能够最大覆盖集合的种子集合S。本发明克服了缺少对节点周围的环境更深入细致地了解造成的不够精确，以及时间复杂度高而不能规模应用的缺陷。本发明考虑网络中节点之间的前m条最短路径，减少了许多不必要的计算，能够对找出的影响力节点集合使用贪心求解得到最佳的种子节点集合S。
-
-
-
-
Search Results
35
records
(took 0.022 seconds)
