-
公开(公告)号：CN110390995A
公开(公告)日：2019-10-29
申请号：CN201910585644.4
申请日：2019-07-01
Applicant: 上海交通大学
Abstract: 一种α螺旋跨膜蛋白质拓扑结构预测方法，根据跨膜α螺旋TMH的定义组织训练集、验证集和测试集；对训练集、验证集和测试集中的序列提取位置特异性打分矩阵PSSM、HMM、水溶性、二级结构、扭转角和亲水指数特征；使用训练集训练基于整条序列的深度残差网络模型和基于滑动窗口的深度残差网络模型。将两种网络的输出取平均值集成后，采用动态阈值算法得到TMH区域；使用训练集训练支持向量机模型。模型的输入是其他区域non-TMH和TMH区域的交界部分；输出是non-TMH相对于细胞膜的位置。首先预测蛋白质中的TMH区域，然后预测non-TMH的位置，结合两部分的预测结果，就可以得到蛋白质最终的拓扑结构。
-
公开(公告)号：CN106951735B
公开(公告)日：2019-06-04
申请号：CN201710140273.X
申请日：2017-03-10
Applicant: 上海交通大学
Abstract: 本发明公开了一种基于分层混合模型的信号肽及其切割位点的预测方法，首先在第一层应用基于氨基酸残基特征的SVM分类器识别蛋白质序列是否含有N端疏水性片段；然后在第二层应用基于氨基酸残基特征和功能性结构域特征对应的朴素贝叶斯和SVM分类器识别疏水性片段是信号肽还是N端跨膜螺旋；最后在第三层，先根据统计学习规则筛选候选切割位点并计算统计性信任分数，然后再通过Needleman‑Wunsch序列比对算法计算候选信号肽序列的相似性分数，对统计性信任分数和序列相似性分数积分确定预测的信号肽切割位点。
-
公开(公告)号：CN109637589A
公开(公告)日：2019-04-16
申请号：CN201811523117.2
申请日：2018-12-13
Applicant: 上海交通大学
Abstract: 本发明涉及蛋白质生物学领域，具体涉及一种基于频繁模式和机器学习双推荐制的核定位信号预测算法。本发明公开了两种模型，分别为基于频繁模式的NLS预测算法构建的模型和基于机器学习的NLS预测算法构建的模型。其中，第一种模型主要是利用PrefixSpan算法思想，以此挖掘出在核序列数据库中富集而在非核序列数据库中稀疏的一些频繁基序，对频繁基序进行一定筛选与评价，得到候选NLS。第二种模型则主要是综合以词向量为特征的SVM，基于统计的线性分类，失调分数以及PSSM矩阵的单个蛋白质序列预测NLS算法，该算法的击中率和冗余性得到了一定的改善。本发明不仅提高了NLS预测精度，更能发现一些不受已知NLS限制的特殊NLS。
-
公开(公告)号：CN107316077A
公开(公告)日：2017-11-03
申请号：CN201710472812.X
申请日：2017-06-21
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于图像分割及边缘检测的脂肪细胞自动计数方法。通过对脂肪图像进行阈值分割和边缘检测，提取物体与背景在灰度上的差异,把图像分为具有不同灰度级的目标区域和背景区域,图像的边缘就是图像灰度发生空间突变的像素的集合,先确定图像中的边缘像素，将它们连接在一起构成边界。提取出脂肪细胞边缘；对脂肪细胞边缘进行形态学处理和滤波操作，并且通过分水岭算法进行再分割，能够将欠染色的细胞边缘识别并加以分割，提高了细胞计数的准确性；对图像进行连通区域分析，能够统计细胞的数量，面积等数据，极大地提高了脂肪细胞计数的效率；对图像进行上色处理和标注，方便后续人工进行对比校正,保证较高的计数准确率和效率。
-
公开(公告)号：CN107025383A
公开(公告)日：2017-08-08
申请号：CN201710244181.6
申请日：2017-04-14
Applicant: 上海交通大学
Abstract: 本发明提供一种基于多目标粒子群优化的蛋白质结构预测方法，包括步骤：S1：在一待预测的蛋白质序列中选择需要优化的n个不同初始结构作为n个目标粒子，并将每一所述目标粒子的位置坐标以构象表示的形式表示，n为大于零的自然数；S2：对一更新公式进行参数设置；S3：根据所述更新公式对三目标能量公式进行迭代，并获得一更优解集；S4：处理所述最优解集获得一最优解，并将所述最优解作为所述目标粒子的预测位置。本发明的一种基于多目标粒子群优化的蛋白质结构预测方法，采用多目标粒子群方法，针对力场函数或能量函数不准确的问题采用三个能量函数进行多目标搜索，具有有效性高和预测准确性高的优点。
-
Patent Agency Ranking
公开(公告)号：CN104615911B
公开(公告)日：2017-07-18
申请号：CN201510012812.2
申请日：2015-01-12
Applicant: 上海交通大学
IPC: G06F19/18
Abstract: 一种基于稀疏编码及链学习预测膜蛋白beta‐barrel跨膜区域的方法。本发明涉及到稀疏编码技术、链学习算法、支持向量机，利用计算的方法对膜蛋白beta‑barrel跨膜区域进行结构预测，为研究蛋白质结构和功能提供重要信息。本发明创新性的引入数字图像处理的思想，对蛋白质特征矩阵进行稀疏编码，解决了特征降维和去除噪声的问题。从蛋白质数据库PDB中组织膜蛋白beta‑barrel数据集，分别提取代表氨基酸进化信息的位置特异性打分矩阵和代表氨基酸残基位置信息的Z score为特征，用滑动窗口提取特征向量，实现多特征融合，提出基于SVM分类器的链学习算法训练模型，显著提高了预测效果，经Jakenife交叉验证精度可以达到92.5％。
-
公开(公告)号：CN106951918A
公开(公告)日：2017-07-14
申请号：CN201710116076.4
申请日：2017-03-01
Applicant: 上海交通大学
Abstract: 本发明涉及一种用于冷冻电镜分析的单颗粒图像聚类方法。一种单颗粒图像聚类方法，用于单颗粒图像分析，包括：步骤一：接受用户输入初始类数目k0，最终类的数目kn和输入数据集，随机初始化数据集为k0个类，计算类中心，对输入数据集建立共享K最近邻网络；步骤二：进行一次KMeans聚类，度量输入图像和类中心相似度时，将类中心加入网络中，并更新网络，计算节点之间的基于网络的相似性；步骤三：判断当前类的数目K是否等于用户输入kn，如果是，输出各个类和类平均图像，并退出，否则分裂最大的类并返回步骤二继续执行。
-
公开(公告)号：CN102760210A
公开(公告)日：2012-10-31
申请号：CN201210201382.5
申请日：2012-06-19
Applicant: 南京理工大学常熟研究院有限公司 , 南京理工大学 , 上海交通大学
IPC: G06F19/18
Abstract: 本发明公开了一种蛋白质三磷酸腺苷绑定位点预测方法。首先利用PSI-BLAST及PSIPRED程序获取蛋白质的进化信息和二级结构信息，并使用滑动窗口技术抽取每个氨基酸残基的特征；其次，利用随机下采样技术，对非绑定位点的样本进行多次随机下采样；然后，基于每次随机下采样得到的非绑定位点样本子集及绑定位点样本集训练一个SVM，对每个样本集的随机下采样得到多个SVM；最后，使用Dempster-Shafer证据理论对训练好的多个SVM进行集成。该方法优点在于：一是使用随机下采样技术，可以有效降低训练集的规模，加快模型训练速度；二是使用SVM集成技术，有效降低下采样导致的信息丢失，提高模型预测精度。
-
公开(公告)号：CN114187963B
公开(公告)日：2025-05-09
申请号：CN202111501583.2
申请日：2021-12-09
Applicant: 上海交通大学
IPC: G16B20/30 , G16B40/00 , G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 一种全长circRNA上蛋白绑定核苷酸位点的预测方法，将全长circRNA切分成片段后输入至一维CNN网络后，将得到的局部高级抽象特征分别输入至BiGRU网络和Transformer编码器的双分支网络，分别得到输入数据的长依赖表示特征和基于全局注意力的circRNA序列表示，经拼接后输入MLP分类器，最后通过中值滤波根据相邻核苷酸的结合信息去除假结合核苷酸降低假阳率，通过分数二值化策略获得预测的结合核苷酸，通过积分梯度识别关键序列内容，得到预测的全长circRNA与RBP结合基序。本发明能够以核苷酸分辨率探索全长circRNA上RBP结合情况，准确预测RBP结合核苷酸并检测其结合基序。
-
公开(公告)号：CN118898855A
公开(公告)日：2024-11-05
申请号：CN202410875705.1
申请日：2024-07-02
Applicant: 上海交通大学
IPC: G06V40/10 , G06V20/05 , G06V20/40 , G06V10/25 , G06V10/62 , G06V10/764 , G06V10/82 , G06T7/246 , G06N3/0464 , G06N3/084
Abstract: 一种基于人工智能的海洋生物检测与跟踪方法，通过对采集到的包含海洋生物的视频进行预处理后，对预处理后的图像先使用分割一切(SAM)大模型进行自动分割，再以YOLOv8作为判断依据，使用双向传播算法对自动分割结果进一步完善，得到目标框；再基于StrongSORT++算法对目标框进行跟踪，并使用YOLOv8对得到的目标进行预分类，最后采用分类网络对预分类结果进一步识别并得到检测结果。本发明能够在海洋实拍视频中取得了可以接受的跟踪和识别结果，在单目标跟踪数据集上的指标和多目标跟踪数据集上的召回率均取得较好的效果。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.023 seconds)
