公开(公告)号：CN115798632A

公开(公告)日：2023-03-14

申请号：CN202211475314.8

申请日：2022-11-23

Applicant: 上海交通大学

Inventor： 方一 ,  潘小勇 ,  沈红斌

IPC: G16C20/50 ,  G16C20/70 ,  G16C20/30 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/092

Abstract: 一种基于神经网络的药物分子结构辅助设计方法，使用多目标强化学习模型批量生成小分子；以数据库中收录的药物分子作为正样本，强化学习模型生成的质量较低的分子作为负样本，构建基准数据集；输入图神经网络模型GIN中训练，得到训练好的分子质量评估QA模型；构建分数库，根据QA模型对新分子的预测分数在分数库中的秩重新定义质量评估得分QAscore；加入QAscore作为多目标强化学习模型的优化目标之一，重新生成分子；将多目标强化学习模型生成的分子反馈到QA模型中重新训练；反复迭代至多目标强化学习模型生成的分子类药性等指标不再有明显的提高。本发明实现多目标的并行优化的同时将强化学习和质量评估图神经网络的有机结合。

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

Inventor： 吴贺贺 ,  方一 ,  潘小勇 ,  沈红斌

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：CN114187963A

公开(公告)日：2022-03-15

申请号：CN202111501583.2

申请日：2021-12-09

Applicant: 上海交通大学

Inventor： 吴贺贺 ,  方一 ,  潘小勇 ,  沈红斌

IPC: G16B20/30 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

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。