-
公开(公告)号：CN110084626B
公开(公告)日：2023-04-18
申请号：CN201910381347.8
申请日：2019-05-08
Applicant: 湖南大学
IPC: G06Q30/018 , G06F16/22 , G06F16/2455 , G06F16/2458 , G06F21/62 , G06F21/60 , G06F21/64
Abstract: 本发明属于计算机科学领域，公开了一种基于区块链的疫苗生产监管方法，通过对疫苗生产过程中的数据采集，将疫苗生产的培养、收获、超滤、灭活、纯化过程以及相应的无菌检查、病毒滴定实验、灭活验证实验、原液检定的相关参数和结果保存，同时以区块链交易的形式保存对应信息的哈希结果并发送到监管机构。在完成疫苗生产，申请批签发时将本批次疫苗的各交易信息打包为一个区块，并写入生产企业信息后发送给监管机构，监管机构完成疫苗检定同时检查保存的疫苗生产信息，并比对生产信息哈希结果与区块内各交易的哈希信息，检查无误后将区块广播写入链内，本发明实现了对疫苗生产过程的监管并保护了生产企业的商业隐私，具有十分重要的推广应用价值。
-
公开(公告)号：CN110797080A
公开(公告)日：2020-02-14
申请号：CN201910991037.8
申请日：2019-10-18
Applicant: 湖南大学
Abstract: 本发明属于生物信息学领域，具体涉及基于跨物种迁移学习预测合成致死基因方法。本发明的方法将酿酒酵母学习到的合成致死基因迁移到人类中，以预测人类的合成致死基因。该方法由两个基本步骤组成。首先，进行流形特征学习，学习两个物种的新特征表示。然后，采用动态分布对齐的方法，定量评价了边缘分布和条件分布的相对重要性，并自适应地最小化了两个物种之间的边缘分布和条件分布差异。最后，通过总结这两个步骤来学习域不变的合成致死基因分类器。本发明可用于预测人类的合成致死基因。
-
公开(公告)号：CN111524546B
公开(公告)日：2022-05-03
申请号：CN202010288303.3
申请日：2020-04-14
Applicant: 湖南大学
Abstract: 本发明属于计算机技术应用领域，公开了一种基于异构信息的药物‑靶标相互作用预测方法。在已知药物‑靶标、药物‑药物和靶标‑靶标的关系矩阵的前提下，通过构建药物和靶标的可变特征表示，重建各关系矩阵。将各重建矩阵与原矩阵之差作为误差矩阵，将各误差矩阵逐元素求平方后再逐元素加和作为重建误差。将重建误差反向求导，通过梯度下降的方法同步更新变量，使重建误差逐渐收敛到最小。取重建误差最小化时的重建药物‑靶标关系矩阵，与原关系矩阵进行对比即可得到新预测出的药物‑靶标相互作用关系。本发明可以充分整合药物和靶标相关的异构信息，为计算机辅助药物发现和药物重定位提供有力的工具，具有良好的应用前景。
-
公开(公告)号：CN113436729A
公开(公告)日：2021-09-24
申请号：CN202110793581.9
申请日：2021-07-08
Applicant: 湖南大学
Abstract: 本发明涉及生物信息学中的数据挖掘领域，具体涉及一种基于异构图卷积神经网络的合成致死相互作用预测方法。其发明内容主要包括：(1)收集已知合成致死相互关联数据、基因GO信息数据、基因PPI数据；(2)进行基因GO相似性分析，利用基于语义基因功能相似性度量算法对基因与基因之间的GO功能相似性进行度量，构建基因基于GO功能相似性的特征；(3)进行基因基于PPI特征的构建，利用蛋白质相互关联数据构建蛋白质和蛋白质之间的关联网络，通过随机游走的方式获取每一个基因基于蛋白质相互关联网络的特征；(4)利用合成致死相互关联数据构建邻接矩阵，融合基因基于GO功能相似性特征和基于PPI特征的领域特征；(5)构建基于图卷积神经网络的合成致死对预测模型，预测潜在的合成致死相互作用，得到最终结果。
-
公开(公告)号：CN111524546A
公开(公告)日：2020-08-11
申请号：CN202010288303.3
申请日：2020-04-14
Applicant: 湖南大学
Abstract: 本发明属于计算机技术应用领域，公开了一种基于异构信息的药物‑靶标相互作用预测方法。在已知药物‑靶标、药物‑药物和靶标‑靶标的关系矩阵的前提下，通过构建药物和靶标的可变特征表示，重建各关系矩阵。将各重建矩阵与原矩阵之差作为误差矩阵，将各误差矩阵逐元素求平方后再逐元素加和作为重建误差。将重建误差反向求导，通过梯度下降的方法同步更新变量，使重建误差逐渐收敛到最小。取重建误差最小化时的重建药物‑靶标关系矩阵，与原关系矩阵进行对比即可得到新预测出的药物‑靶标相互作用关系。本发明可以充分整合药物和靶标相关的异构信息，为计算机辅助药物发现和药物重定位提供有力的工具，具有良好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN112768001A
公开(公告)日：2021-05-07
申请号：CN202110109386.X
申请日：2021-01-27
Applicant: 湖南大学
Abstract: 本发明涉及生物信息学中的数据挖掘领域，具体涉及一种基于流形学习和主曲线的单细胞轨迹推断方法。其发明内容主要包括：(1)收集已知单细胞RNA‑seq相关数据；(2)进行特征提取，选择可变基因作为特征；(3)进行数据降维，缓解维度诅咒；(4)局部定义主曲线，提出了一个初始化过程；(5)应用分段子空间约束的均值移动算法建立最终主曲线模型；(6)对模型进行伪时间分析，建立直树拓扑图；(7)在直树拓扑图上进行差异表达基因检测。本发明提供了一种单细胞轨迹推断方法，以重建和捕获有机体内的谱系关系，能够检测差异表达基因，获取到基于对细胞分化的影响。本发明的方法可行且有效，对于研究组织或有机体内谱系关系和实现精准医疗具有重要意义。
-
公开(公告)号：CN112420126A
公开(公告)日：2021-02-26
申请号：CN202011419796.6
申请日：2020-12-07
Applicant: 湖南大学
Abstract: 本发明涉及生物信息学中的数据挖掘领域，具体涉及一种基于多源数据融合和网络结构扰动的药物靶标相互作用预测方法。其发明内容主要包括：(1)收集药物、靶标相关数据；(2)进行药物相似性分析，得到多种药物相似性；(3)进行靶标相似性分析，得到多种靶标相似性；(4)建立非线性多源数据融合模型，扩散药物相似性、靶标相似性；(5)构建药物靶标双层网络模型；(6)建立药物靶标网络结构扰动模型，预测潜在的药物靶标相互作用。本发明提供了一种多源数据融合链路扰动的方法，以捕获药物靶标网络的链路生成机制规律来识别潜在的药物靶标相互作用。本发明的方法可行且有效，对于研究药物重定位和实现精准医疗具有重要意义。
-
公开(公告)号：CN110890132A
公开(公告)日：2020-03-17
申请号：CN201911132821.X
申请日：2019-11-19
Applicant: 湖南大学
Abstract: 本发明涉及生物信息学中的数据挖掘领域，具体涉及一种基于自适应高斯混合模型的癌症突变簇识别方法。其发明内容主要包括：(1)预处理体细胞突变数据，构建背景模型；(2)使用改进的密度峰值聚类方法，初始化参数；(3)建立自适应高斯混合模型，并用EM算法求解；(4)根据突变簇包含的突变数量筛选聚类结果。与现有技术相比，本发明提供了一种数据驱动的方法，以识别基因中可变长度的目标区域，具有更强的统计能力和更好的稳定性。本发明的方法可行且有效，在识别癌症突变簇方面能取得良好的效果，对于研究癌症产生发展的潜在机制和实现精准医疗具有重要意义。
-
公开(公告)号：CN112735536A
公开(公告)日：2021-04-30
申请号：CN202011532299.7
申请日：2020-12-23
Applicant: 湖南大学
Abstract: 本发明涉及生物信息学中的数据挖掘领域，具体涉及一种基于子空间随机化单细胞集成聚类方法。其发明内容主要包括：(1)数据预处理；(2)随机子空间采样进行细胞相似度测量；(3)子空间融合；(4)通过基于谱聚类对整体相似性进行测量来进行单细胞聚类，得到最终结果。与现有技术相比，本发明提供了一种单细胞聚类方法，以表征新型细胞类型并检测种群内异质性，具有更强的统计能力和更好的稳定性。本发明的方法可行且有效，在识别到单细胞簇方面能取得良好的效果，对于研究复杂数据集细胞类型分类和鉴定具有重要意义。
-
公开(公告)号：CN110033041A
公开(公告)日：2019-07-19
申请号：CN201910296276.1
申请日：2019-04-13
Applicant: 湖南大学
Abstract: 本发明属于基因表达谱分类领域，公开了一种基于深度学习的基因表达谱距离度量方法，属于深度学习在生物大数据上的挖掘和应用。首先，设计了一种适用于基因特征度量学习的卷积神经网络模型来提取数据的特征，然后运用改进的余弦距离来计算数据之间的距离，最后通过分类算法的分类效果来衡量该方法的优良。该方法能够快速高效地度量出不同的基因表达谱之间的相似度，为后续的基因分类、聚类、差异性表达分析、化合物筛查等研究提供数据。相比较传统的基因富集方法，这种方法显著提高了数据之间的距离度量效果，并且可以有效的减少基因表达谱分析时候的人工干预，避免了常规深度网络易产生的过拟合现象，该方法有较强的可迁移性。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.014 seconds)
