公开(公告)号：CN119694591A

公开(公告)日：2025-03-25

申请号：CN202411772408.0

申请日：2024-12-04

Applicant: 江苏海洋大学

Inventor： 张巧生 ,  孙振宇 ,  仲兆满 ,  韦亚龙 ,  许俊杰 ,  张恒

IPC: G16H70/40 ,  G16H50/70 ,  G06F18/2415 ,  G06F18/2137 ,  G06N3/042 ,  G16B15/30

Abstract: 一种基于序列属性提取和图神经网络的药物靶点关联预测方法，涉及药物‑靶点预测领域。该方法采用预测模型SaeGraphDTI，整体架构包括序列属性提取器、图编码器以及图解码器；将药物及靶点的初始序列输入至序列属性提取器，将长度不一致的序列提取为长度一致、位置对齐的属性序列；随后将药物及靶点的特征序列输入至图编码器，节点信息进行对应的更新获取基于网络拓扑结构的特征表达；最终输入至图解码器，通过图解码器计算特定药物‑靶点边存在的概率做出预测。本发明结合了药物和靶点的序列属性及关联网络的拓扑属性，展现了其在复杂关系网络中进行特征提取和更新的有效性，在多数关键指标上取得了进步。

公开(公告)号：CN119943362A

公开(公告)日：2025-05-06

申请号：CN202411383510.1

申请日：2024-09-30

Applicant: 江苏海洋大学

Inventor： 张巧生 ,  许俊杰 ,  韦亚龙 ,  孙振宇 ,  张恒 ,  仲兆满

IPC: G16H50/30 ,  G16H50/70 ,  G16B5/00 ,  G16B40/00 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明公开了一种基于拓展通路的胶质母细胞瘤预后预测方法，该方法为，先从癌症基因组图谱中获得的GBM数据集，保留生存时间至少为24个月的存活患者数据，再使用来自分子签名数据库的生物通路数据库，在分子签名数据库中，提取了Reactome的生物学通路，从该生物学通路中选取了至少包含10个基因的通路和至少使用1个通路的基因；最后，构建深度神经网络模型，输出预测结果。本发明利用拓展通路和深度神经网络EPDNN，EPDNN构建了一个可以描述生物通路拓展过程的神经网络模型，为准确预测患者生存提供了重要的预后因素。EPDNN将在预后预测领域发挥重要作用并为深度学习可解释性研究提供重要帮助；结合了CGAN算法，为HDLSS数据训练深度神经网络模型提供了一种可靠的策略。

公开(公告)号：CN117493931A

公开(公告)日：2024-02-02

申请号：CN202311462185.3

申请日：2023-11-06

Applicant: 江苏海洋大学

Inventor： 张巧生 ,  韦亚龙 ,  侯杰 ,  李鸿鹏 ,  仲兆满 ,  张恒

IPC: G06F18/24 ,  G06N20/00 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094 ,  G16B40/00 ,  G16B50/00

Abstract: 本发明公开了一种基于深度学习的癌症分类方法，涉及癌症分类技术领域，包括如下步骤：采集癌症的基因表达数据；将基因表达数据中的癌症样本输入自编码器模型中，对癌症样本进行基因编码；将基因编码后的数据输入生成对抗网络的生成器中，生成额外的样本进行基因编码；通过解码器对基因表达数据进行解码，并通过生物学通路和Pathifier算法对解码后的基因表达数据计算通路得分；基于通路得分，将平衡后的样本数据进行降维获得处理后的数据；将处理后的数据输入到不同的机器学习分类器中，得到癌症分类结果。本发明有效地创建新的癌症样本，以平衡数据，显著提高分类器的性能，提高癌症诊断的准确性，为癌症患者的治疗提供更好的指导。