-
公开(公告)号：CN119673485A
公开(公告)日：2025-03-21
申请号：CN202411715115.9
申请日：2024-11-27
Applicant: 中南民族大学
Abstract: 一种多模对比药物协同预测模型的构建方法、预测方法及装置，所述构建方法包括：根据多种药物与细胞系的实体嵌入特征和表型特征，得到两种不同模态在相同维度下关于药物‑药物‑细胞系三元组信息表示的第一模态特征和第二模态特征；根据第一模态特征和第二模态特征中的各个特征样本进行药物协同作用预测后相对预设真实样本的有效性预测结果确定样本正对、样本负对和样本半正对，并进一步确定目标损失函数；再根据损失函数所使用的多个模型。通过上述方法，实现能够有效减少任意一种模态下对药物协同作用预测不具有作具或者具有负面影响的无效特征对药物预测带来的影响，避免了相关技术中各个模态采取平等处理的策略而导致影响预测结果准确性的问题。
-
公开(公告)号：CN112669905B
公开(公告)日：2024-03-01
申请号：CN202011633130.0
申请日：2020-12-31
Applicant: 中南民族大学
IPC: G16B25/00 , G16B40/00 , G06F18/214 , G06F18/243 , G06N20/20
Abstract: 本发明公开了一种基于数据增强的RNA序列编码潜力预测方法及系统，涉及生物信息学领域。该方法包括以下步骤：计算训练样本的序列特征，在训练样本的特征空间中进行双端数据增强，得到经过增强后的样本特征，用于训练机器学习模型；将训练完成的机器学习模型用于RNA序列编码潜力的预测。本发明能显著提高包含sORF数据的人类RNA序列编码潜力预测的准确率。
-
公开(公告)号：CN112669905A
公开(公告)日：2021-04-16
申请号：CN202011633130.0
申请日：2020-12-31
Applicant: 中南民族大学
Abstract: 本发明公开了一种基于数据增强的RNA序列编码潜力预测方法及系统，涉及生物信息学领域。该方法包括以下步骤：计算训练样本的序列特征，在训练样本的特征空间中进行双端数据增强，得到经过增强后的样本特征，用于训练机器学习模型；将训练完成的机器学习模型用于RNA序列编码潜力的预测。本发明能显著提高包含sORF数据的人类RNA序列编码潜力预测的准确率。
-
公开(公告)号：CN104498442B
公开(公告)日：2017-04-19
申请号：CN201410718290.3
申请日：2014-12-02
Applicant: 中南民族大学
Abstract: 本发明提供了一种常规离心制备高滴度慢病毒产品的方法，包括如下步骤：取Tris‑HCl溶液、NaCl溶液、EDTA溶液进行混合，得到TNE buffer病毒浓缩液；取蔗糖固体用TNE buffer病毒浓缩液溶解，得到病毒提取液；将病毒提取液与慢病毒上清液的混合溶液放入离心机中，在相对离心力1000g～10000g，4℃的条件下离心；去除上清液，随后中加入PBS，得到慢病毒溶液，将慢病毒溶液放入冰箱中4℃条件下静置，上清液即为高滴度慢病毒产品；该方法不需要超高速离心，使用常规离心力即可制备高滴度慢病毒产品，慢病毒产品制备成本低，该方法操作简单，可以广泛用于大部分实验室。
-
公开(公告)号：CN114694757A
公开(公告)日：2022-07-01
申请号：CN202210419773.8
申请日：2022-04-20
Applicant: 中南民族大学
Abstract: 本发明提供一种RNA序列编码潜力预测方法及系统。该方法包括：从训练样本集合中选取ORF长度小于303nt的编码RNA作为待增强样本；对待增强样本进行数据增强处理，得到36类不同的伪RNA序列；将36类不同的伪RNA序列与原始训练数据结合，得到36个训练集合；通过36个训练集合训练36个基础分类器，得到36个基础分类模型；将36个基础分类模型的输出结果串联成36维特征向量；从36维特征向量中选取结果特征向量；将结果特征向量以及标签输入最终分类器进行训练，得到RNA序列编码潜力预测模型，通过RNA序列编码潜力预测模型进行RNA序列编码潜力预测。通过本发明，提高了RNA序列编码潜力预测准确性。
-
Patent Agency Ranking
公开(公告)号：CN105062971A
公开(公告)日：2015-11-18
申请号：CN201510450630.3
申请日：2015-07-28
Applicant: 中南民族大学
IPC: C12N5/0793 , C12N5/071 , G01N33/533
Abstract: 本发明提供了一种用于神经突触形成分析中的细胞共培养方法，包括以下步骤：将传代培养的非神经元细胞即HEK293 T细胞加入到体外环境中24孔原代培养的神经元细胞中，混合后培养24小时以上；采用PEI转染法，转染HEK293 T细胞，每个孔中所转染的外源基因均不相同，被转染后的HEK293 T细胞过表达外源基因，在此条件下进行共培养48小时以上；免疫染色突触前的标记蛋白synapsin，从而判断每一孔中是否形成突触结构。本发明所提供的共培养方法解决了现有技术中的不足，该方法操作简单、方便，成本相对较低，耗时短，可以很好的筛选基因及验证基因功能，可以广泛用于实验室。
-
公开(公告)号：CN111276182B
公开(公告)日：2023-06-20
申请号：CN202010075959.7
申请日：2020-01-21
Applicant: 中南民族大学
Abstract: 本发明公开了一种RNA序列编码潜力的计算方法及系统，涉及生物信息学领域。该方法包括以下步骤：对训练数据中的部分数据进行过采样，得到新训练数据；计算新训练数据的序列特征，将该序列特征及标签输入分类器进行训练；采用训练所得到的模型对测试数据的特征进行预测；将预测的标签与真实的标签进行比较，得到评估结果。本发明能实现对包含sORF数据的RNA序列编码潜力的准确预测。
-
公开(公告)号：CN105062971B
公开(公告)日：2018-07-13
申请号：CN201510450630.3
申请日：2015-07-28
Applicant: 中南民族大学
IPC: C12N5/0793 , C12N5/071 , G01N33/533
Abstract: 本发明提供了一种用于神经突触形成分析中的细胞共培养方法，包括以下步骤：将传代培养的非神经元细胞即HEK293 T细胞加入到体外环境中24孔原代培养的神经元细胞中，混合后培养24小时以上；采用PEI转染法，转染HEK293 T细胞，每个孔中所转染的外源基因均不相同，被转染后的HEK293 T细胞过表达外源基因，在此条件下进行共培养48小时以上；免疫染色突触前的标记蛋白synapsin，从而判断每一孔中是否形成突触结构。本发明所提供的共培养方法解决了现有技术中的不足，该方法操作简单、方便，成本相对较低，耗时短，可以很好的筛选基因及验证基因功能，可以广泛用于实验室。
-
公开(公告)号：CN114694757B
公开(公告)日：2025-04-18
申请号：CN202210419773.8
申请日：2022-04-20
Applicant: 中南民族大学
Abstract: 本发明提供一种RNA序列编码潜力预测方法及系统。该方法包括：从训练样本集合中选取ORF长度小于303nt的编码RNA作为待增强样本；对待增强样本进行数据增强处理，得到36类不同的伪RNA序列；将36类不同的伪RNA序列与原始训练数据结合，得到36个训练集合；通过36个训练集合训练36个基础分类器，得到36个基础分类模型；将36个基础分类模型的输出结果串联成36维特征向量；从36维特征向量中选取结果特征向量；将结果特征向量以及标签输入最终分类器进行训练，得到RNA序列编码潜力预测模型，通过RNA序列编码潜力预测模型进行RNA序列编码潜力预测。通过本发明，提高了RNA序列编码潜力预测准确性。
-
公开(公告)号：CN118412146A
公开(公告)日：2024-07-30
申请号：CN202410422671.0
申请日：2024-04-09
Applicant: 中南民族大学
IPC: G16H70/40
Abstract: 药物组合协同作用的预测模型构建方法、预测方法及装置，包括：获取药物组合协同数据、药物特征数据以及细胞系特征数据；其中，药物特征数据至少包括药物结构特征、药物靶标特征以及药物理化特征，细胞系特征数据包括细胞系基因表达特征；建立药物特征数据中各类特征在细胞系中的协同作用关系；融合各类特征在细胞系中的协同作用关系，得到药物和细胞系的嵌入特征；将药物和细胞系的嵌入特征输入预测模型建立药物协同预测模型。通过药物的理化、靶点、结构特征来分别与细胞系特征建立多种协同作用关系。融合这三类不同的协同作用关系，得到融合结果输入预测模块建立预测模型，实现更好的提升药物、细胞系特征表达，有效提升药物协同预测能力。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
