-
公开(公告)号：CN107545151B
公开(公告)日：2020-10-16
申请号：CN201710779874.5
申请日：2017-09-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于低秩矩阵填充的药物重定位方法。本发明首先通过集成药物和疾病相关数据，构建了药物‑疾病异构网络，矩阵中的元素包括药物对、疾病对、已知药物‑疾病对和未知药物‑疾病对。然后利用快速矩阵填充算法填充该矩阵，为未知药物‑疾病对赋予预测值，根据所填充的预测值，为所有的药物预测新适应症。本发明简单有效，通过与其他方法比较，及在多个数据集上测试表明，该发明在药物重定位方面具有较好的预测性能。
-
公开(公告)号：CN106485096B
公开(公告)日：2019-03-26
申请号：CN201610915233.3
申请日：2016-10-20
Applicant: 中南大学
IPC: G16B25/10
Abstract: 本发明公开了一种基于双向随机游走和多标签学习的miRNA‑环境因子关系预测方法。考虑到单一的生物数据的不完整，采用不同的生物数据和不同相似性度量方法分别计算miRNA和环境因子的相似性。另外，为了减少单个相似性度量噪声，本发明引入相似性矩阵融合方法来提高最终的miRNA和环境因子相似性可靠性。在此基础上，采用双向随机游走算法和多标签学习方法来预测潜在的miRNA‑环境因子关系。本发明简单有效，通过与其他方法比较，及在已知数据集上测试表明，该发明在miRNA‑环境因子潜在关系方面具有较好的预测性能。案例分析表明，本发明能够发现一些潜在的环境因子对应miRNA，能为生物学家进行miRNA‑环境因子发现的进一步实验提供有价值的参考信息。
-
公开(公告)号：CN107506591B
公开(公告)日：2020-06-02
申请号：CN201710748221.0
申请日：2017-08-28
Applicant: 中南大学
IPC: G16H70/40
Abstract: 本发明公开了一种基于多元信息融合和随机游走模型的药物重定位方法。通过集成已有的疾病数据、药物数据、靶标数据、疾病‑药物关联数据、疾病‑基因关联数据和药物‑靶标关联数据，构建疾病‑靶标‑药物异构网络。扩展基本的随机游走模型到所构建的异构网络上，通过有效的利用全局网络信息，为疾病推荐候选治疗药物。本发明简单有效，通过与其他方法比较，及在标准数据集上测试表明，该发明在药物重定位方面具有较好的预测性能。
-
公开(公告)号：CN105653846B
公开(公告)日：2018-08-31
申请号：CN201510991455.9
申请日：2015-12-25
Applicant: 中南大学
IPC: G06F19/10
Abstract: 本发明公开了一种基于集成的相似性度量和双向随机游走的药物重定位方法，集成相似性度量方法在计算药物相似性、疾病相似性时，除了分别利用药物特性信息与疾病特性信息，还充分考虑了当前数据集中已知药物‑疾病关联信息对相似性度量的作用，使得所计算的相似性值能够更好的反映药物间的相似度和疾病间的相似度。在此基础上，构建了药物‑疾病异构网络，基于该异构网络，采用双向随机游走算法为所有的药物预测候选疾病。本发明简单有效，通过与其他方法比较，及在多个数据集上测试表明，该发明在药物重定位方面具有较好的预测性能。
-
公开(公告)号：CN107506591A
公开(公告)日：2017-12-22
申请号：CN201710748221.0
申请日：2017-08-28
Applicant: 中南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于多元信息融合和随机游走模型的药物重定位方法。通过集成已有的疾病数据、药物数据、靶标数据、疾病-药物关联数据、疾病-基因关联数据和药物-靶标关联数据，构建疾病-靶标-药物异构网络。扩展基本的随机游走模型到所构建的异构网络上，通过有效的利用全局网络信息，为疾病推荐候选治疗药物。本发明简单有效，通过与其他方法比较，及在标准数据集上测试表明，该发明在药物重定位方面具有较好的预测性能。
-
Patent Agency Ranking
公开(公告)号：CN111161796A
公开(公告)日：2020-05-15
申请号：CN201911395614.3
申请日：2019-12-30
Applicant: 中南大学
Abstract: 本发明涉及一种预测PD潜在gene和miRNA的方法及系统，该方法先对不同的已知gene之间的边的权值和已知gene与候选gene之间的边的权值进行打分，然后计算得到不同的已知miRNA之间的边的权值和已知miRNA与候选miRNA之间的边的权值，再然后对gene和miRNA之间的边的权值赋值，接着构建邻接矩阵A，最后通过算法填充矩阵A得到矩阵X，矩阵X对角线上待填充元素的值的大小即为与PD关联程度的大小。本发明利用gene存在着相互关系越强的gene所调控的蛋白质功能越相近，功能越相近的蛋白质导致的疾病越相似的特性，构建出低秩矩阵A，在使用算法填充矩阵A，使得预测结果更准确。
-
公开(公告)号：CN106485096A
公开(公告)日：2017-03-08
申请号：CN201610915233.3
申请日：2016-10-20
Applicant: 中南大学
IPC: G06F19/18
CPC classification number: G06F19/18
Abstract: 本发明公开了一种基于双向随机游走和多标签学习的miRNA-环境因子关系预测方法。考虑到单一的生物数据的不完整，采用不同的生物数据和不同相似性度量方法分别计算miRNA和环境因子的相似性。另外，为了减少单个相似性度量噪声，本发明引入相似性矩阵融合方法来提高最终的miRNA和环境因子相似性可靠性。在此基础上，采用双向随机游走算法和多标签学习方法来预测潜在的miRNA-环境因子关系。本发明简单有效，通过与其他方法比较，及在已知数据集上测试表明，该发明在miRNA-环境因子潜在关系方面具有较好的预测性能。案例分析表明，本发明能够发现一些潜在的环境因子对应miRNA，能为生物学家进行miRNA-环境因子发现的进一步实验提供有价值的参考信息。
-
公开(公告)号：CN116351475B
公开(公告)日：2024-09-06
申请号：CN202310346097.0
申请日：2023-04-03
Applicant: 中南大学
Abstract: 本发明公开了一种基于氯球的多孔M‑Salen基异相催化剂及其制备方法与应用。所述M‑Salen基异相催化剂利用市售的廉价氯球为载体，因其具有较高反应活性，可以在相对温和的催化条件下快速得到比表面积高、孔道含量丰富的微孔聚合物。通过简单接枝反应，将高催化活性的M‑Salen单元负载于氯球载体上，得到高金属负载率的M‑Salen基聚合物。通过调控联苯二苄氯的投入，对基于氯球制备的M‑Salen基聚合物的孔结构进行精准调控，得到微孔、介孔含量丰富的高比表面积聚合物。所述M‑Salen基异相催化剂不仅可以实现高效循环使用，而且易于批量化生产，具有较高的工业化应用潜力。
-
公开(公告)号：CN111161796B
公开(公告)日：2024-04-16
申请号：CN201911395614.3
申请日：2019-12-30
Applicant: 中南大学
Abstract: 本发明涉及一种预测PD潜在gene和miRNA的方法及系统，该方法先对不同的已知gene之间的边的权值和已知gene与候选gene之间的边的权值进行打分，然后计算得到不同的已知miRNA之间的边的权值和已知miRNA与候选miRNA之间的边的权值，再然后对gene和miRNA之间的边的权值赋值，接着构建邻接矩阵A，最后通过算法填充矩阵A得到矩阵X，矩阵X对角线上待填充元素的值的大小即为与PD关联程度的大小。本发明利用gene存在着相互关系越强的gene所调控的蛋白质功能越相近，功能越相近的蛋白质导致的疾病越相似的特性，构建出低秩矩阵A，在使用算法填充矩阵A，使得预测结果更准确。
-
公开(公告)号：CN116351475A
公开(公告)日：2023-06-30
申请号：CN202310346097.0
申请日：2023-04-03
Applicant: 中南大学
Abstract: 本发明公开了一种基于氯球的多孔M‑Salen基异相催化剂及其制备方法与应用。所述M‑Salen基异相催化剂利用市售的廉价氯球为载体，因其具有较高反应活性，可以在相对温和的催化条件下快速得到比表面积高、孔道含量丰富的微孔聚合物。通过简单接枝反应，将高催化活性的M‑Salen单元负载于氯球载体上，得到高金属负载率的M‑Salen基聚合物。通过调控联苯二苄氯的投入，对基于氯球制备的M‑Salen基聚合物的孔结构进行精准调控，得到微孔、介孔含量丰富的高比表面积聚合物。所述M‑Salen基异相催化剂不仅可以实现高效循环使用，而且易于批量化生产，具有较高的工业化应用潜力。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.033 seconds)
