-
公开(公告)号：CN113724779A
公开(公告)日：2021-11-30
申请号：CN202111027448.9
申请日：2021-09-02
Applicant: 东北林业大学 , 电子科技大学长三角研究院(衢州)
Abstract: 基于机器学习技术的SNAREs蛋白识别方法、系统、存储介质及设备，属于生物信息技术领域。为了解决现有的蛋白质识别方法识别SNAREs蛋白存在时间开销大、准确率有待于提高的问题。本发明首先对蛋白序列文件，进行去冗余等预处理，通过BLAST比对提取蛋白序列的PSSM矩阵，从PSSM矩阵中获取蛋白质序列的特征数据，使用最大最小标准化算法对特征数据进行归一化处理，判断数据集的平衡状态，选择Smote‑ENN和Smote‑TOMEK采样算法解决不平衡问题；然后使用SVM‑RFE‑CBR算法对特征进行排序，剔除了排序靠后的噪声特征；使用机器学习中的分类器，使用交叉验证的方法训练模型，最终得到有效识别SNAREs蛋白的模型。主要用于SNAREs蛋白的识别。
-
公开(公告)号：CN113724779B
公开(公告)日：2022-06-17
申请号：CN202111027448.9
申请日：2021-09-02
Applicant: 东北林业大学 , 电子科技大学长三角研究院(衢州)
Abstract: 基于机器学习技术的SNAREs蛋白识别方法、系统、存储介质及设备，属于生物信息技术领域。为了解决现有的蛋白质识别方法识别SNAREs蛋白存在时间开销大、准确率有待于提高的问题。本发明首先对蛋白序列文件，进行去冗余等预处理，通过BLAST比对提取蛋白序列的PSSM矩阵，从PSSM矩阵中获取蛋白质序列的特征数据，使用最大最小标准化算法对特征数据进行归一化处理，判断数据集的平衡状态，选择Smote‑ENN和Smote‑TOMEK采样算法解决不平衡问题；然后使用SVM‑RFE‑CBR算法对特征进行排序，剔除了排序靠后的噪声特征；使用机器学习中的分类器，使用交叉验证的方法训练模型，最终得到有效识别SNAREs蛋白的模型。主要用于SNAREs蛋白的识别。
-
公开(公告)号：CN118658528B
公开(公告)日：2025-01-21
申请号：CN202411139284.2
申请日：2024-08-20
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G16B25/10 , G16B25/00 , G16B40/00 , G06F18/214 , G06N3/0442
Abstract: 本发明涉及模型构建技术领域，具体公开了一种特异性肌红蛋白质预测模型的构建方法，包括如下步骤：从Uniprot数据库获取基准数据集，分别构建计算蛋白质序列的位置特异性打分矩阵、计算蛋白质序列的隐马尔科夫图谱及计算蛋白质序列加权观测矩阵，然后构建获得肌红蛋白质预测模型。本发明提供的模型构建方法获得的模型识别特异性肌红蛋白质的敏感性、特异性和准确率均显著提升。
-
公开(公告)号：CN113838520B
公开(公告)日：2024-03-29
申请号：CN202111136236.4
申请日：2021-09-27
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G16B20/00 , G06F18/22 , G06F18/241
Abstract: 本发明提供一种III型分泌系统效应蛋白识别方法及装置，方法为导入III型分泌系统效应蛋白序列数据文件，获取原始III型分泌系统效应蛋白数据集；从原始III型分泌系统效应蛋白数据集中提取数据特征，根据数据特征构建特征矩阵；对特征矩阵进行标签设置，得到第一III型分泌系统效应蛋白基分类器；构建特征相似度评分矩阵；通过特征相似度评分矩阵构建第二III型分泌系统效应蛋白基分类器；根据集成策略将第一III型分泌系统效应蛋白基分类器和第二III型分泌系统效应蛋白基分类器集成III型分泌系统效应蛋白模型；本发明提出了一种全新的III型分泌系统效应蛋白识别方法，生成了综合性能更优，得到应用更加广泛的III型分泌系统效应蛋白模型。
-
公开(公告)号：CN113823356B
公开(公告)日：2024-05-28
申请号：CN202111136225.6
申请日：2021-09-27
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G16B40/20 , G16B20/30 , G06F18/241
Abstract: 本发明提供一种甲基化位点识别方法及装置，方法包括：导入甲基化位点识别序列数据文件，并从甲基化位点识别序列数据文件中获取待处理的原始甲基化位点数据集；从原始甲基化位点数据集中提取数据特征，得到特征矩阵；对所述特征矩阵进行特征选择，选择得到多个特征和与其关联的实例类别，根据多个特征和与其关联的实例类别得到特征子集基于所述特征子集中的多个目标特征分别生成对应的基分类器；将多个基分类器进行集成，得到可识别甲基化位点的甲基化位点识别模型。本发明能够实现对甲基化位点的准确识别，为相应药物开发提供了理论基础，通过对基分类器进行集成进而构建甲基化位点识别模型，提升了甲基化位点识别精度。
-
Patent Agency Ranking
公开(公告)号：CN113838520A
公开(公告)日：2021-12-24
申请号：CN202111136236.4
申请日：2021-09-27
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明提供一种III型分泌系统效应蛋白识别方法及装置，方法为导入III型分泌系统效应蛋白序列数据文件，获取原始III型分泌系统效应蛋白数据集；从原始III型分泌系统效应蛋白数据集中提取数据特征，根据数据特征构建特征矩阵；对特征矩阵进行标签设置，得到第一III型分泌系统效应蛋白基分类器；构建特征相似度评分矩阵；通过特征相似度评分矩阵构建第二III型分泌系统效应蛋白基分类器；根据集成策略将第一III型分泌系统效应蛋白基分类器和第二III型分泌系统效应蛋白基分类器集成III型分泌系统效应蛋白模型；本发明提出了一种全新的III型分泌系统效应蛋白识别方法，生成了综合性能更优，得到应用更加广泛的III型分泌系统效应蛋白模型。
-
公开(公告)号：CN113823356A
公开(公告)日：2021-12-21
申请号：CN202111136225.6
申请日：2021-09-27
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明提供一种甲基化位点识别方法及装置，方法包括：导入甲基化位点识别序列数据文件，并从甲基化位点识别序列数据文件中获取待处理的原始甲基化位点数据集；从原始甲基化位点数据集中提取数据特征，得到特征矩阵；对所述特征矩阵进行特征选择，选择得到多个特征和与其关联的实例类别，根据多个特征和与其关联的实例类别得到特征子集基于所述特征子集中的多个目标特征分别生成对应的基分类器；将多个基分类器进行集成，得到可识别甲基化位点的甲基化位点识别模型。本发明能够实现对甲基化位点的准确识别，为相应药物开发提供了理论基础，通过对基分类器进行集成进而构建甲基化位点识别模型，提升了甲基化位点识别精度。
-
公开(公告)号：CN118658528A
公开(公告)日：2024-09-17
申请号：CN202411139284.2
申请日：2024-08-20
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G16B25/10 , G16B25/00 , G16B40/00 , G06F18/214 , G06N3/0442
Abstract: 本发明涉及模型构建技术领域，具体公开了一种特异性肌红蛋白质预测模型的构建方法，包括如下步骤：从Uniprot数据库获取基准数据集，分别构建计算蛋白质序列的位置特异性打分矩阵、计算蛋白质序列的隐马尔科夫图谱及计算蛋白质序列加权观测矩阵，然后构建获得肌红蛋白质预测模型。本发明提供的模型构建方法获得的模型识别特异性肌红蛋白质的敏感性、特异性和准确率均显著提升。
-
公开(公告)号：CN113837293B
公开(公告)日：2024-08-27
申请号：CN202111138369.5
申请日：2021-09-27
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06F18/241 , G06F18/214 , G06N20/20 , G16B30/00
Abstract: 本发明提供了一种mRNA亚细胞定位模型的训练方法包括以下步骤：获取mRNA亚细胞位置序列样本集；根据多种特征提取算法对mRNA亚细胞位置序列样本集进行特征提取，利用基分类器分别对特征识别，并对基分类器一层以上集成，再根据特征提取算法和集成分类器，得到目标mRNA亚细胞定位模型。本发明通过对多个分类器集成学习训练，不但可以提高训练的效率，使得模型在训练过程更容易得到全局最优解，从而得到训练完成后的目标模型会有更优秀的预测能力和泛化能力。
-
公开(公告)号：CN113838529A
公开(公告)日：2021-12-24
申请号：CN202111138368.0
申请日：2021-09-27
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明提供一种植物中sgRNA活性预测方法及装置，方法包括：下载sgRNA活性序列数据集，sgRNA活性序列数据集包括植物sgRNA活性数据；采用热编码方法对植物sgRNA活性数据进行编码，得到植物sgRNA序列数据；采用k‑mer编码方法对植物sgRNA序列数据进行二次编码；通过编码后的sgRNA活性序列数据集构建卷积神经网络模型；通过卷积神经网络模型按设定次数n分别对编码后的sgRNA活性序列数据集进行预测训练，得到n个训练模型，将n个训练模型集成，得到卷积神经网络预测模型sgRNACNN；将待预测的植物sgRNA活性序列输入卷积神经网络预测模型sgRNACNN中，得到预测结果。本发明的卷积神经网络预测模型sgRNACNN泛化性能较好，可应用于多物种植物sgRNA活性预测，能够实现对sgRNA活性的准确识别，具有较好的实用性能。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.038 seconds)
