-
公开(公告)号：CN118762766A
公开(公告)日：2024-10-11
申请号：CN202410900651.X
申请日：2024-07-05
Applicant: 中南大学
Abstract: 本发明提供了一种用于药物性质预测的分子多角度对比学习预训练方法，通过获取包括多种模态的多种药物分子作为原始样本输入原始神经网络模型提取每种药物分子的模态表征，并计算在每种模态下每种药物分子中每个原子的自注意力分数；基于在每种模态下每个原子的自注意力分数得到增强样本；利用原始样本与增强样本构造正样本对；将原始神经网络模型分为两个部分后同步进行对比学习，并通过每种药物分子的模态表征计算对比学习损失函数值对每个正样本对的学习速度进行自适应控制，完成预训练，得到神经网络模型；可以减少由于不合理掩码导致的低质量分子增强样本，防止模型陷入局部最优，提高了模型的训练精度，以提升药物性质预测的精度。
-
公开(公告)号：CN115856046A
公开(公告)日：2023-03-28
申请号：CN202310023867.8
申请日：2023-01-09
Applicant: 中南大学 , 可孚医疗科技股份有限公司
IPC: G01N27/30 , G01N27/327 , G01N27/416
Abstract: 本发明公开了一种基于钙钛矿纳米材料的光电化学生物传感器ALP的应用，包括以下步骤：S1、在光照条件下通过电化学工作站检测ALP的光电信号强度，以光电流强度为纵坐标，ALP的浓度为横坐标，建立标准曲线；S2、血清中ALP的检测：加入血清与底物Na3SPO3进行孵育，得到血清孵育溶液，将血清孵育溶液滴加在基于CsPbBr3纳米材料的光电化学生物传感器的修饰电极，测得光电流强度，将光电流强度代入到S1构建的标准曲线，即得血清中ALP的浓度。本发明利用ALP对Na3SPO3的特异性催化产生H2S，CsPbBr3由于离子性能与H2S快速反应产生PbS增强光电流，对ALP的浓度进行高灵敏检测。
-
公开(公告)号：CN106096331B
公开(公告)日：2018-09-18
申请号：CN201610406670.2
申请日：2016-06-12
Applicant: 中南大学
IPC: G06F19/18
Abstract: 本发明公开了一种lncRNA和疾病联系的方法，根据多种异构数据(lncRNA‑疾病关系数据，蛋白质相互作用数据、lncRNA‑蛋白质相互作用数据等)构建一个全局异构网络，然后通过网络传播算法来识别可能的lncRNA和疾病的联系。本发明与现有的技术相比，除了考虑实验证实的lncRNA和疾病的联系外，还可以集成更多的生物数据，比如集成lnRNA‑蛋白质、蛋白质‑蛋白质相互作用和蛋白质‑疾病等之间联系。本发明通过融合更多的生物数据可以比以前的技术更准确的预测出lncRNA和疾病的联系，并且可以大规模的一次预测出多对lncRNA‑疾病之间的联系，有效的解决了生物实验方法的盲目性、成本高的问题。
-
公开(公告)号：CN106599611A
公开(公告)日：2017-04-26
申请号：CN201611128108.4
申请日：2016-12-09
Applicant: 中南大学
IPC: G06F19/18
CPC classification number: G06F19/18
Abstract: 本发明涉及生物信息技术领域，公开了一种蛋白质功能标注方法及系统，以提高蛋白质标注的性能、解决生物实验方法成本高昂和效率低下的问题。本发明方法包括：根据第一级结构邻居和第二级结构邻居评估某一功能在待查询蛋白质中出现的第一可能性；并根据所有的同源序列评估该功能在待查询蛋白质中出现的第二可能性；并将待查询蛋白质的PSSM矩阵输入SVM预测模型得出该功能在待查询蛋白质中出现的第三可能性；以及根据基因共表达分数将其它物种中对应该功能的分布情况转换成目标物种中该功能在待查询蛋白质中出现的第四可能性；然后融合第一、第二、第三及第四可能性以评估该功能在待查询蛋白质中出现的综合可能性。
-
公开(公告)号：CN112561876B
公开(公告)日：2024-02-23
申请号：CN202011474429.6
申请日：2020-12-14
Applicant: 中南大学
IPC: G06F16/583
Abstract: 本发明提供了一种基于图像的池塘和水库的水质检测方法及系统，包括：步骤1，采集需要检测的池塘和水库图像，将采集的池塘和水库的图像进行标记制作为标签图像集，将标签图像集分为训练数据集和测试数据集。本发明通过ResNet‑101卷积神经网络和联合金字塔上采样策略自动学习池塘和水库图像特征，对池塘和水库的图像进行精准的图像分割，避免了人工选取特征的局限性，通过引入注意力机制和特定计算公式对卷积计算进行了特征加强处理，根据预测的对象类别判断水质情况，提高了数据的准确率，使ResNet‑101卷积神经网络加快收敛，提高了分类的有效性，增加了系统的鲁棒性，水质检测方法检测速度快，准确率高，可用性高。(56)对比文件宋娅菲;谌雨章;沈君凤;曾张帆.基于改进残差网络的水下图像重建方法.计算机科学.2020,(第S1期),全文.青晨;禹晶;肖创柏;段娟.深度卷积神经网络图像语义分割研究进展.中国图象图形学报.2020,(第06期),全文.
-
Patent Agency Ranking
公开(公告)号：CN114712305B
公开(公告)日：2023-10-24
申请号：CN202210425222.2
申请日：2022-04-22
Applicant: 中南大学
Abstract: 本发明公开了一种原位负载二氢杨梅素的BSA凝胶杀菌材料及其制备方法和应用。该凝胶杀菌材料由含二氢杨梅素的活性物质均匀负载在BSA凝胶材料中构成，该凝胶杀菌材料利用BSA构建的三维网络结构的凝胶来原位负载具有广谱杀菌性能的二氢杨梅素，有利于二氢杨梅素的缓释过程，达到长久、持续杀菌的功效，且BSA凝胶杀菌材料具有较好的生物相容性，可以广泛应用于临床制剂。
-
公开(公告)号：CN116129989A
公开(公告)日：2023-05-16
申请号：CN202310157524.0
申请日：2023-02-23
Applicant: 中南大学
IPC: G16B15/30 , G16B40/00 , G06N3/0464
Abstract: 本申请适用于生物信息技术领域，提供了一种药物关联性的预测方法、装置、终端设备及介质，根据由lncRNA和药物构成的关联对，构建二分图，并初始化二者的向量表示；利用神经网络模型对向量表示进行邻居节点聚合，得到lncRNA和药物的初始特征向量；构建本地结构邻居和全局语义邻居，并根据初始特征向量，构建第一对比学习损失和第二对比学习损失；根据上述对比学习损失，结合BPR损失函数，对初始特征向量进行更新，得到lncRNA和药物的中间特征向量；若中间特征向量满足更新终止条件，则利用其构建关联性预测模型，预测lncRNA与药物的关联性。本申请能够提高lncRNA与药物关联性的预测的准确性。
-
公开(公告)号：CN110111837B
公开(公告)日：2022-12-06
申请号：CN201910222924.9
申请日：2019-03-22
Applicant: 中南大学
Abstract: 本发明公开了一种基于两阶段结构比对的蛋白质相似性的搜索方法及系统，该方法包括：读取用户输入的多个蛋白质结构文件；将多个蛋白质结构文件进行两两配对，并提取每个蛋白质结构文件的二级结构，计算每组配对的二级结构的相似性，将所有相似性符合第一条件的配对集合为第一结果集；读取第一结果集中的蛋白质结构文件中的所有残基的三维坐标信息，根据残基的三维坐标进行第二次相似性比对，输出残基的相似信息和残基总体相似度值。本发明采用两阶段结构比对，每个阶段均可在多个CPU核心上进行并行计算，用户可在更短的时间内比对更多的蛋白质结构，节约了时间成本。
-
公开(公告)号：CN107622182A
公开(公告)日：2018-01-23
申请号：CN201710660908.9
申请日：2017-08-04
Applicant: 中南大学
Inventor： 邓磊
Abstract: 本发明涉及生物信息学领域，公开一种蛋白质局部结构特征的预测方法及系统，以利用深度学习技术来提高预测准确度，为蛋白质的三级结构预测提供关键的参考信息，解决由生物实验方法测定蛋白质三级结构带来的成本高昂和效率低下问题。本发明方法统一构造样本集中各蛋白质序列的特征序列以作为训练模型的输入，训练模型采用隐藏层数为3的基于栈式稀疏自编码的深度神经网络模型，并将dropout方法应用在整个网络的隐藏层中，随机的让隐藏层中的某些神经元不工作以降低模型的过拟合；并通过训练集优化训练模型的权重参数，使得所构造的损失函数的值达到最小，进而根据训练好的网络模型相应进行蛋白质序列中各残基的溶剂可及性或残基接触数预测。
-
公开(公告)号：CN106096331A
公开(公告)日：2016-11-09
申请号：CN201610406670.2
申请日：2016-06-12
Applicant: 中南大学
IPC: G06F19/18
CPC classification number: G06F19/18
Abstract: 本发明公开了一种lncRNA和疾病联系的方法，根据多种异构数据(lncRNA‑疾病关系数据，蛋白质相互作用数据、lncRNA‑蛋白质相互作用数据等)构建一个全局异构网络，然后通过网络传播算法来识别可能的lncRNA和疾病的联系。本发明与现有的技术相比，除了考虑实验证实的lncRNA和疾病的联系外，还可以集成更多的生物数据，比如集成lnRNA‑蛋白质、蛋白质‑蛋白质相互作用和蛋白质‑疾病等之间联系。本发明通过融合更多的生物数据可以比以前的技术更准确的预测出lncRNA和疾病的联系，并且可以大规模的一次预测出多对lncRNA‑疾病之间的联系，有效的解决了生物实验方法的盲目性、成本高的问题。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.02 seconds)
