-
公开(公告)号：CN113130002B
公开(公告)日：2022-11-08
申请号：CN202110475896.9
申请日：2021-04-29
Applicant: 吉林大学
Abstract: 本发明公开了一种肺腺癌生物标志物筛选、预后模型构建及生物学验证的新方法，其方法为：步骤一、对原始的基因表达矩阵进行数据的预处理；步骤二、在经过预处理后得到的数据上进行生物标志物筛选；步骤三、使用经过上述多步骤特征选择的肺腺癌预后标志物构建预后模型；步骤四、建模之后对选出的标志物进行生信分析。有益效果：使用线性支持向量机模型验证45个基因标志物，利用五折较差验证的AUC和ACC作为模型评估指标，最终的结果为AUC＝0.98，ACC＝0.92。该结果明显优于大多数传统基因标志物选择方法，本发明不仅能找出与肺癌相关的标志物，准确预测肺癌患者的生存期，同时还能发掘与肺腺癌发生相关的通路，探究肺腺癌的发生机制。
-
公开(公告)号：CN113393900B
公开(公告)日：2022-08-02
申请号：CN202110644508.5
申请日：2021-06-09
Applicant: 吉林大学
Abstract: 本发明公开了一种基于改进Transformer模型的RNA状态推断研究方法，其方法为：第一步：搭建所需要的模块；第二步：进行模型训练数据清洗；第三步：设置训练次数；第四步：计算损失和调整模型参数；第五步：获取模拟的人工Shape‑Data；第六步：预测RNA序列上配对碱基。有益效果：结合生物领域和深度学习领域的知识进行交叉研究，利用计算机模拟算法来节省昂贵的生物实验，为分子生物学领域的研究人员提供更加方便高效的研究工具，同时也为在预测RNA二级结构的方向上进一步证明软约束在RNA二级结构预测模型上对提高模型准确性方面可以有很大的研究价值。
-
公开(公告)号：CN113178229B
公开(公告)日：2022-03-08
申请号：CN202110597078.6
申请日：2021-05-31
Applicant: 吉林大学
Abstract: 本发明公开了一种基于深度学习的RNA和蛋白质结合位点的识别方法，其方法为：识别方法分为两部分：数据处理和模型设计训练，各部分主要步骤如下：第一步、数据处理：步骤1、原始数据去冗余；步骤2、预测二级结构信息；步骤3、对步骤2中获得的二级结构进行编码；步骤4、将所有数据保存在对应的csv文件中作为输入数据；第二步、模型设计及训练：步骤1、编码为数据矩阵作为模型输入；步骤2、两个特征矩阵维度相同；步骤3、将组合特征输入到编码器中；步骤4、最终编码器编码的结果；步骤5、经过sigmoid函数得到最终类别。有益效果：利用Transformer网络学习序列的长依赖性和对特征进行编码，能够有效地预测RNA和蛋白质的结合位点。
-
公开(公告)号：CN111130794B
公开(公告)日：2020-11-24
申请号：CN201911270600.9
申请日：2019-12-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于虹膜与私钥证书链连接存储结构的身份验证方法，其方法为：步骤一、采集灰度图像；步骤二、归一增强图像；步骤三、模板虹膜特征信息；步骤四、统计模板虹膜特征信息；步骤五、制作私钥证书；步骤六、存入个人信息块中；步骤七、构建完整记录；步骤八、制作完整记录；步骤九、输出给测试人员数字0；步骤十、测试虹膜灰度图像一张；步骤十一、测试虹膜归一增强图像；步骤十二、读取模板特征标签；步骤十三、进行身份验证；有益效果：非法用户盗取证书后即使通过了证书校验，也会因为无法通过虹膜识别校验导致无法得到正确的结果，因此通过私钥证书与虹膜识别的双重机制防止了用户个人信息被篡改以及被非法用户侵入的风险。
-
公开(公告)号：CN111130794A
公开(公告)日：2020-05-08
申请号：CN201911270600.9
申请日：2019-12-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于虹膜与私钥证书链连接存储结构的身份验证方法，其方法为：步骤一、采集灰度图像；步骤二、归一增强图像；步骤三、模板虹膜特征信息；步骤四、统计模板虹膜特征信息；步骤五、制作私钥证书；步骤六、存入个人信息块中；步骤七、构建完整记录；步骤八、制作完整记录；步骤九、输出给测试人员数字0；步骤十、测试虹膜灰度图像一张；步骤十一、测试虹膜归一增强图像；步骤十二、读取模板特征标签；步骤十三、进行身份验证；有益效果：非法用户盗取证书后即使通过了证书校验，也会因为无法通过虹膜识别校验导致无法得到正确的结果，因此通过私钥证书与虹膜识别的双重机制防止了用户个人信息被篡改以及被非法用户侵入的风险。
-
Patent Agency Ranking
公开(公告)号：CN108133187A
公开(公告)日：2018-06-08
申请号：CN201711400589.4
申请日：2017-12-22
Applicant: 吉林大学
Abstract: 本发明公开了一种尺度变化稳定特征与多算法表决的一对一虹膜识别方法，将有关虹膜以及识别人的个人信息存储进一个红外射频扫描身份卡中，作为对比实验中的对比方，之后正式采集的时候，采集测试人的虹膜，作为对比实验中的测试方。本发明在保证提取虹膜有效特征的前提下，减少冗余和噪音的干扰，并通过多种算法投票表决，降低出现因为采集环境影响导致的识别错误的情况的风险，增加虹膜正确识别率与鲁棒性，增加安全性，可靠性，操作简单，容易掌握。
-
公开(公告)号：CN103595621B
公开(公告)日：2016-06-22
申请号：CN201310582438.0
申请日：2013-11-20
Applicant: 吉林大学
IPC: H04L12/58
Abstract: 本发明提供一种在PDM系统中消息处理的方法，PDM用户触发消息发送事件，通过计算机接口将该事件以电信号形式传递给中央处理单元，读取电信号并开启消息发送单元消息发送单元判断消息类型，并将接收者地址写入消息格式中的接收者地址字段，通过网络接口完成消息的发送工作网络接口监听从其他装有PDM系统的计算机发来的消息，一旦有消息传来立即向中央处理单元发送电信号，中央处理单元读取电信号，提取消息ID并解析消息类型，根据解析结果得出相应的处理方式，并将此处理方式以电信号通过计算机接口传递给计算机。解决了PDM系统中复杂的消息收发问题，实现消息的收发自动化、简单化，推进工作流程文件的执行。同时还提供了实现该方法的装置，为PDM系统提供一个硬件平台，在这个平台上可以快速、高效的完成PDM系统中消息的收发、解析等工作。
-
公开(公告)号：CN103020489B
公开(公告)日：2016-04-20
申请号：CN201310000114.1
申请日：2013-01-04
Applicant: 吉林大学
IPC: G06F19/18
Abstract: 本发明提供一种RNA干扰时预测siRNA干扰效率的方法，涉及生物信息学研究领域，其目的在于解决现有预测siRNA干扰效率方法中准确率不高的问题。本发明包括如下的步骤：将siRNA序列输入CPLD；按照特征提取规则表将siRNA序列重新编码，由于靶mRNA的序列和结构特征也对siRNA干扰效率有影响，故对siRNA序列编码的同时，也对靶mRNA进行编码；最后用随机森林模型进行siRNA干扰效率预测，在预测时首先用已知样本建立优化的模型，采用bootstrap抽样方法产生的OOB数据进行OOB估计，通过不断的调解模型的参数，使模型的泛化误差达到最小，然后再用优化的模型进行siRNA干扰效率预测。
-
公开(公告)号：CN119027135A
公开(公告)日：2024-11-26
申请号：CN202411039297.2
申请日：2024-07-31
Applicant: 吉林大学
IPC: G06Q30/018 , G06Q10/083 , G06Q10/087 , G06Q30/0201 , G06F21/60 , G06F21/62 , H04L9/06 , H04L9/30 , H04L9/08 , H04L9/00
Abstract: 本发明公开了一种结合区块链和云存储技术的汽车零部件溯源方法及其应用和系统，涉及区块链和云存储领域：主要组成部分有汽车零部件制造商模块、汽车零部件运输商模块、汽车零部件经销商模块、区块链上传模块和溯源码溯源模块；本方案通过借助通用标识技术将汽车零部件信息记录在区块链上，实现在0.5s内完成零部件信息双向溯源；通过身份基加密保证链上隐私数据的安全；并将区块链技术与云存储技术结合，解决了数据本地储存成本高，难以扩展的问题。
-
公开(公告)号：CN116504311A
公开(公告)日：2023-07-28
申请号：CN202310438736.6
申请日：2023-04-23
Applicant: 吉林大学
Abstract: 本发明公开了一种基于机器学习的水稻抗稻瘟菌关键SRNA识别方法，包括：步骤一、在水稻侵染数据集中，获取水稻SRNA和MRNA序列信息；步骤二、设定筛选条件，筛选水稻差异表达SRNA和MRNA；步骤三、构建差异表达水稻基因的异质互作网络；步骤四、在异质互作网络中，联合优化建模显示关系和建模隐式关系，通过联合优化结果，筛选出稻瘟菌侵染水稻过程中的水稻抗侵染关键SRNA。通过构建差异表达水稻基因的异质互作网络，并进行联合优化，能够找出水稻抵抗稻瘟菌侵染过程中的关键水稻SRNA，弥补传统方法无法考虑同类型生物分子间相互影响的不足，提升方法预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.023 seconds)
