-
公开(公告)号：CN108537001B
公开(公告)日：2021-06-01
申请号：CN201810336436.6
申请日：2018-04-12
Applicant: 华中科技大学鄂州工业技术研究院 , 华中科技大学
IPC: G16C20/50
Abstract: 本发明公开了一种预测用于治疗肝癌的特异性治疗药物的方法，属于生物医药技术领域。所述方法包括：对肝癌样本进行蛋白质磷酸化组分析，获得磷酸化位点数据；去除所述磷酸化位点数据中的奇异点后进行归一化处理；对归一化处理后的磷酸化位点数据进行分析，获得激酶强度信息；根据所述激酶强度信息计算出在肝癌样本和正常肝组织中显著变化的激酶；根据所述显著变化的激酶在DrugBank数据库寻找对应的FDA批准药物，即显著上调激酶的抑制剂及显著下调激酶的激活剂。本发明能够快速准确的找出不同肝癌样本中的特异性药物靶点即显著激酶，从而得到特异性治疗药物。
-
公开(公告)号：CN108537001A
公开(公告)日：2018-09-14
申请号：CN201810336436.6
申请日：2018-04-12
Applicant: 华中科技大学鄂州工业技术研究院 , 华中科技大学
IPC: G06F19/00
Abstract: 本发明公开了一种预测用于治疗肝癌的特异性治疗药物的方法，属于生物医药技术领域。所述方法包括：对肝癌样本进行蛋白质磷酸化组分析，获得磷酸化位点数据；去除所述磷酸化位点数据中的奇异点后进行归一化处理；对归一化处理后的磷酸化位点数据进行分析，获得激酶强度信息；根据所述激酶强度信息计算出在肝癌样本和正常肝组织中显著变化的激酶；根据所述显著变化的激酶在DrugBank数据库寻找对应的FDA批准药物，即显著上调激酶的抑制剂及显著下调激酶的激活剂。本发明能够快速准确的找出不同肝癌样本中的特异性药物靶点即显著激酶，从而得到特异性治疗药物。
-
公开(公告)号：CN114154758A
公开(公告)日：2022-03-08
申请号：CN202111650470.9
申请日：2021-12-30
Applicant: 华中科技大学
Abstract: 本发明属于图论学习、深度学习分析领域，具体涉及一种基于知识图谱的分子调控关系预测方法及系统，其中的预测方法包括以下步骤：(1)训练数据集的准备；(2)有向图模型的构建与训练；(3)神经网络的构建与训练；(4)实际预测。本发明通过对预测方法整体流程设计进行改进，首先结合图学习将有向图中的有向调控关系和各调控分子节点(即各调控分子实例)进行最优特征编码，接着在获得各节点与关系的特征编码后，利用深度神经网络框架进一步加强有向图的预测能力，经过迭代训练后提升有向调控的预测准确度。
-
公开(公告)号：CN113077841A
公开(公告)日：2021-07-06
申请号：CN202110225734.X
申请日：2021-03-01
Applicant: 华中科技大学
Abstract: 本发明属于生物信息技术领域，公开了一种预测调控酵母自噬的功能基因的方法，包括步骤：S1：对饥饿诱导处理前后的正常及敲除自噬关键调控基因的酵母样本进行时序转录组和蛋白质组分析；S2：筛选存在相互作用的基因，记为集合A；S3：提取集合A中的每个基因的转录表达变化、蛋白质表达变化、以及与已知自噬基因的相互作用程度，作为特征；S4：建立并训练预测模型；S5：优化模型，并对集合A中的基因进行打分，从而预测调控酵母自噬的功能基因。利用本发明中的预测方法，能够在传统实验方法验证之前，有效地缩小基因筛选范围，从而减少实验验证的工作量，并准确预测调控酵母自噬的功能基因。
-
公开(公告)号：CN114154758B
公开(公告)日：2024-09-10
申请号：CN202111650470.9
申请日：2021-12-30
Applicant: 华中科技大学
Abstract: 本发明属于图论学习、深度学习分析领域，具体涉及一种基于知识图谱的分子调控关系预测方法及系统，其中的预测方法包括以下步骤：(1)训练数据集的准备；(2)有向图模型的构建与训练；(3)神经网络的构建与训练；(4)实际预测。本发明通过对预测方法整体流程设计进行改进，首先结合图学习将有向图中的有向调控关系和各调控分子节点(即各调控分子实例)进行最优特征编码，接着在获得各节点与关系的特征编码后，利用深度神经网络框架进一步加强有向图的预测能力，经过迭代训练后提升有向调控的预测准确度。
-
Patent Agency Ranking
公开(公告)号：CN110970087A
公开(公告)日：2020-04-07
申请号：CN201911406805.5
申请日：2019-12-31
Applicant: 华中科技大学
Abstract: 本发明公开了一种鉴定调控细胞自噬的功能激酶的方法，属于生物信息技术领域。包括以下步骤：对自噬诱导剂处理前后的细胞样本进行转录组、蛋白质组和磷酸化蛋白质组分析，获取自噬诱导剂处理前后的细胞样本的基因表达数据、蛋白质表达数据及磷酸化位点数据；将得到的磷酸化位点数据进行归一化处理，获取激酶强度信息；根据得到的激酶强度信息，计算自噬诱导剂处理前后细胞样本中显著变化的激酶；根据得到的显著变化的激酶，对其在转录表达、蛋白质表达和磷酸化修饰水平进行显著性变化分析，并结合已知激酶的自噬调控功能，得到调控细胞自噬的功能激酶。该方法能有效地缩小激酶筛选范围，减少实验验证的工作量，并准确鉴定调控细胞自噬的功能激酶。
-
公开(公告)号：CN110970087B
公开(公告)日：2021-08-03
申请号：CN201911406805.5
申请日：2019-12-31
Applicant: 华中科技大学
Abstract: 本发明公开了一种鉴定调控细胞自噬的功能激酶的方法，属于生物信息技术领域。包括以下步骤：对自噬诱导剂处理前后的细胞样本进行转录组、蛋白质组和磷酸化蛋白质组分析，获取自噬诱导剂处理前后的细胞样本的基因表达数据、蛋白质表达数据及磷酸化位点数据；将得到的磷酸化位点数据进行归一化处理，获取激酶强度信息；根据得到的激酶强度信息，计算自噬诱导剂处理前后细胞样本中显著变化的激酶；根据得到的显著变化的激酶，对其在转录表达、蛋白质表达和磷酸化修饰水平进行显著性变化分析，并结合已知激酶的自噬调控功能，得到调控细胞自噬的功能激酶。该方法能有效地缩小激酶筛选范围，减少实验验证的工作量，并准确鉴定调控细胞自噬的功能激酶。
-
公开(公告)号：CN111489789A
公开(公告)日：2020-08-04
申请号：CN202010318724.6
申请日：2020-04-21
Applicant: 华中科技大学
Abstract: 本发明属于生物信息领域，公开了一种提高质谱磷酸化修饰位点鉴定通量和准确性的方法，包括以下步骤：(1)将磷酸化组质谱数据库中多个样本的质谱鉴定磷酸化修饰组原始数据用多种搜库引擎按假阳性率FDR要求进行重新搜库；(2)去冗合并得到训练集；(3)将训练集作为机器学习输入样本，构建基于训练数据的机器学习模型；(4)利用模型对位点进行预测得到每个位点的打分排序，再利用该打分筛选出FDR满足目标FDR要求的位点，从而得到各搜库引擎工具整合之后的总位点。本发明通过对方法的整体处理流程的设计进行改进，同时采用多种搜库引擎，能够有效克服现有技术中对于蛋白质磷酸化修饰位点鉴定无法跨样本、准确性差和通量低方面的缺陷。
-
公开(公告)号：CN113077841B
公开(公告)日：2022-05-24
申请号：CN202110225734.X
申请日：2021-03-01
Applicant: 华中科技大学
Abstract: 本发明属于生物信息技术领域，公开了一种预测调控酵母自噬的功能基因的方法，包括步骤：S1：对饥饿诱导处理前后的正常及敲除自噬关键调控基因的酵母样本进行时序转录组和蛋白质组分析；S2：筛选存在相互作用的基因，记为集合A；S3：提取集合A中的每个基因的转录表达变化、蛋白质表达变化、以及与已知自噬基因的相互作用程度，作为特征；S4：建立并训练预测模型；S5：优化模型，并对集合A中的基因进行打分，从而预测调控酵母自噬的功能基因。利用本发明中的预测方法，能够在传统实验方法验证之前，有效地缩小基因筛选范围，从而减少实验验证的工作量，并准确预测调控酵母自噬的功能基因。
-
公开(公告)号：CN111489789B
公开(公告)日：2021-10-15
申请号：CN202010318724.6
申请日：2020-04-21
Applicant: 华中科技大学
Abstract: 本发明属于生物信息领域，公开了一种提高质谱磷酸化修饰位点鉴定通量和准确性的方法，包括以下步骤：(1)将磷酸化组质谱数据库中多个样本的质谱鉴定磷酸化修饰组原始数据用多种搜库引擎按假阳性率FDR要求进行重新搜库；(2)去冗合并得到训练集；(3)将训练集作为机器学习输入样本，构建基于训练数据的机器学习模型；(4)利用模型对位点进行预测得到每个位点的打分排序，再利用该打分筛选出FDR满足目标FDR要求的位点，从而得到各搜库引擎工具整合之后的总位点。本发明通过对方法的整体处理流程的设计进行改进，同时采用多种搜库引擎，能够有效克服现有技术中对于蛋白质磷酸化修饰位点鉴定无法跨样本、准确性差和通量低方面的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
