公开(公告)号：CN117393143B

公开(公告)日：2024-06-25

申请号：CN202311316888.5

申请日：2023-10-11

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 李君一 ,  岑柯良 ,  周靖力 ,  王轩 ,  刘博 ,  王亚东

IPC: G16H50/20 ,  G16H50/70 ,  G16B20/00 ,  G16B40/00

Abstract: 本发明公开了一种基于图表示学习的环状RNA‑疾病关联预测方法、移动设备及存储介质，该方法包括：基于环状RNA及相关信息构建环状RNA的异构网络，所述异构网络包括环状RNA节点和疾病节点；将异构网络中各个节点的特征随机初始化后输入图表示学习模型，通过所述图表示学习模型按预设流程学习各个节点的表示向量；基于环状RNA节点的表示向量和疾病节点的表示向量的内积确定为对应环状RNA与疾病的关联预测得分。如此，通过图表示学习模型学习异构网络中各个节点的表示向量，再基于环状RNA节点和疾病节点的表示向量的内积确定关联预测得分，提高了异构网络构建的灵活性，使得图表示学习模型能获得更丰富的节点表示，提高了环状RNA‑疾病预测的准确性。

公开(公告)号：CN117393143A

公开(公告)日：2024-01-12

申请号：CN202311316888.5

申请日：2023-10-11

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 李君一 ,  岑柯良 ,  周靖力 ,  王轩 ,  刘博 ,  王亚东

IPC: G16H50/20 ,  G16H50/70 ,  G16B20/00 ,  G16B40/00

Abstract: 本发明公开了一种基于图表示学习的环状RNA‑疾病关联预测方法、移动设备及存储介质，该方法包括：基于环状RNA及相关信息构建环状RNA的异构网络，所述异构网络包括环状RNA节点和疾病节点；将异构网络中各个节点的特征随机初始化后输入图表示学习模型，通过所述图表示学习模型按预设流程学习各个节点的表示向量；基于环状RNA节点的表示向量和疾病节点的表示向量的内积确定为对应环状RNA与疾病的关联预测得分。如此，通过图表示学习模型学习异构网络中各个节点的表示向量，再基于环状RNA节点和疾病节点的表示向量的内积确定关联预测得分，提高了异构网络构建的灵活性，使得图表示学习模型能获得更丰富的节点表示，提高了环状RNA‑疾病预测的准确性。

公开(公告)号：CN116246698A

公开(公告)日：2023-06-09

申请号：CN202211090606.X

申请日：2022-09-07

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 李君一 ,  黄晨 ,  岑柯良 ,  张阳 ,  王轩 ,  刘洋 ,  漆舒汉 ,  吴宇琳 ,  姚霖 ,  刘博 ,  王亚东

IPC: G16B20/00 ,  G16B40/00 ,  G06F40/30 ,  G06N3/0464

Abstract: 本发明公开了一种基于神经网络的信息提取方法、装置、设备及存储介质，属于生物信息技术领域，该方法包括：本发明从预先获得的metapath实例中提取语义信息；基于注意力聚合机制对所述语义信息进行编码，获得语义注意力系数，基于所述语义注意力系数聚合邻居节点；通过非线性神经网络对所述语义信息进行学习，获得二次语义信息，将二次语义信息聚合至所述邻居节点中，获得节点嵌入；通过非线性神经网络融合多个metapath下的所述节点嵌入，获得最终节点表示。如此通过非线性神经网络二次提取metapath实例中的语义信息，充分利用了各个节点的语义信息，提升了信息提取的效果。