公开(公告)号：CN111192631B

公开(公告)日：2023-07-21

申请号：CN202010000530.1

申请日：2020-01-02

Applicant: 中国科学院计算技术研究所

Inventor： 吴杨 ,  杨瑞 ,  赵屹

IPC: G16B20/00 ,  G16B5/00 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种构建用于预测蛋白质‑RNA相互作用结合位点模型的方法和系统，与其对应的还包括使用该方法预测蛋白质‑RNA相互作用结合位点的方法和系统。其使用RNA与蛋白质结合位点处及上下游的序列特征以及测定的RNA结构特征来训练深度学习模型，并使用所述模型对蛋白质‑RNA相互作用结合位点进行预测。在所述特征的提取过程中分别使用了基于卷积神经网络构建的基序获取模块和基于循环神经网络构建的上下文语义获取模块。本发明中训练出的模型在判断准确度和计算时间以及应用平台的广泛性方面都相比于现有技术有着显著进步。

公开(公告)号：CN119541828A

公开(公告)日：2025-02-28

申请号：CN202411597421.7

申请日：2024-11-11

Applicant: 中国科学院计算技术研究所

Inventor： 乔艺璇 ,  赵屹 ,  赵连鹤 ,  吴杨

IPC: G16H50/20 ,  G06F18/241 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明提出一种慢性肾脏疾病进展预测方法、装置，该方法包含：收集关于慢性肾脏疾病的多模态数据，将所述多模态数据输入至构建的预测模型中进行训练，若识别属于表格数据，通过所述表格特征提取器对该模态数据进行特征聚合并编码为多个一维特征向量，且将该多个一维特征向量整合为表格数据代表向量；若识别属于图像数据，通过所述图像特征提取器对该模态数据整图进行训练，整合得到图像代表向量；通过所述多模态融合分类器对所有所述表格数据代表向量与所有所述图像代表向量进行拼接融合后进行分类预测。该方法能够以极高的精度预测慢性肾脏疾病进展。

公开(公告)号：CN119446286A

公开(公告)日：2025-02-14

申请号：CN202411370937.8

申请日：2024-09-29

Applicant: 中国科学院计算技术研究所

Inventor： 吴杨 ,  齐晓宁 ,  赵屹

IPC: G16B40/20 ,  G16B30/00 ,  G06F18/214 ,  G06F18/2431 ,  G06F18/213

Abstract: 本发明提供一种增强子启动子调控网络预测模型构建方法，包括：S1、获取原始数据集，原始数据集中包含多个生物样本的多个增强子‑启动子对数据，并将原始数据集划分为多个子集，其中，同一染色体对上的所有增强子启动子对划分到同一个子集；S2、子集进行预处理，每个子集均包含多个数据样本，每个数据样本为一个增强子启动子对，每个数据样本的特征向量为对应增强子启动子对的序列特征、该增强子启动子对之间的距离特征、该增强子启动子对对应的染色质开放性特征拼接形成的特征向量，每个数据样本的标签为对应增强子启动子对之间是否有相互作用；S3、基于预处理后的所有子集采用类别型特征梯度提升的方式，迭代构建多棵对称决策树组成预测模型。

公开(公告)号：CN111192631A

公开(公告)日：2020-05-22

申请号：CN202010000530.1

申请日：2020-01-02

Applicant: 中国科学院计算技术研究所

Inventor： 吴杨 ,  杨瑞 ,  赵屹

IPC: G16B20/00 ,  G16B5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种构建用于预测蛋白质-RNA相互作用结合位点模型的方法和系统，与其对应的还包括使用该方法预测蛋白质-RNA相互作用结合位点的方法和系统。其使用RNA与蛋白质结合位点处及上下游的序列特征以及测定的RNA结构特征来训练深度学习模型，并使用所述模型对蛋白质-RNA相互作用结合位点进行预测。在所述特征的提取过程中分别使用了基于卷积神经网络构建的基序获取模块和基于循环神经网络构建的上下文语义获取模块。本发明中训练出的模型在判断准确度和计算时间以及应用平台的广泛性方面都相比于现有技术有着显著进步。