-
公开(公告)号：CN118919013A
公开(公告)日：2024-11-08
申请号：CN202410984961.4
申请日：2024-07-22
Applicant: 湖南大学
IPC: G16H15/00 , G06F40/169 , G06F40/126 , G06F40/295 , G06F40/216 , G06F16/35 , G06N5/04
Abstract: 本发明公开了一种用于增强X光图像诊断的文本提示学习方法及装置。方法包括：S1、输入患者胸部X光图像数据集，所述X光图像数据集包含放射学报告#imgabs0#和相应的图像与人工注释标签；S2、在放射学报告中提取概念、位置和阳性，形成三元组数据；S3、将外部医学知识注入至所述三元组数据，形成新的细粒度数据；S4、为每个概念生成报告级提示嵌入；S5、为每个概念生成概念级提示嵌入；S6、计算报告级相似性和概念级相似性；S7、使用损失函数训练得到推理模型；S8、输入患者胸部X光图像输入至推理模型，推断得到某些概念和/或疾病的存在，并确定概念和/或疾病的视觉证据。本发明无需使用任何标记的图像，具有良好的可解释性能。
-
公开(公告)号：CN117831783A
公开(公告)日：2024-04-05
申请号：CN202410010463.X
申请日：2024-01-04
Applicant: 湖南大学
IPC: G16H50/70 , G16H50/30 , G16B40/00 , G16B20/30 , G16B50/00 , G06N3/0499 , G06N3/0464 , G06F18/22 , G06F18/25
Abstract: 本发明公开了一种基于多视图学习的miRNA‑疾病关联预测方法，包括：S1、获取miRNA‑疾病关联数据、药物‑miRNA数据、药物‑疾病数据、mRNA‑miRNA和mRNA‑疾病数据、lncRNA‑miRNA和lncRNA‑疾病数据，以及来自多个物种的miRNA信息；S2、利用miRNA序列信息获取序列特征、利用疾病信息获取疾病语义相似性；S3、计算miRNA与疾病的高斯交互谱核相似性GIP；S4、获得miRNA和疾病之间的潜在关联；S5、构建多个异构图；S6、利用多尺度注意机制，通过将局部上下文纳入注意模块的全局上下文中，融合多重结构特征；S7、将miRNA和疾病的多重嵌入聚合并输入多层感知器进行训练和预测，进行了五折和十折的交叉验证来评估模型的性能。本发明具有良好的预测性能，每个模块都调整到最优。
-
公开(公告)号：CN113724790A
公开(公告)日：2021-11-30
申请号：CN202111044208.X
申请日：2021-09-07
Applicant: 湖南大学
Abstract: 本发明公开了一种基于卷积去噪自编码机的piRNA‑疾病关联关系预测方法，包括：数据集的选择与建立；Piwi蛋白质相互作用RNA序列相似性特征的生成；疾病语义相似性特征的生成；Piwi蛋白质相互作用RNA和疾病高斯相互作用谱核相似特征的生成；深度隐藏特征挖掘；训练集和测试集的构建；分类器模型的构建。本发明在五折交叉验证实验下取得了优异的性能表现，证明了卷积去噪自编码神经网络在Piwi蛋白质相互作用RNA和疾病关联预测中的有效性。通过案例研究更加证明了本发明在发现潜在Piwi蛋白质相互作用RNA和疾病关联关系的实际应用能力。
-
公开(公告)号：CN118824354A
公开(公告)日：2024-10-22
申请号：CN202411007995.4
申请日：2024-07-25
Applicant: 湖南大学
Abstract: 本发明公开了一种基于联邦决策树的药靶亲和力预测方法，包括：S1、在本地使用基于多壳层扩展连接性指纹的方法进行药物和蛋白质的特征学习；S2、每个制药机构基于本地数据和初始分割点对GBDT模型进行一阶和二阶梯度计算，生成梯度直方图；S3、每个制药机构对其得到的梯度直方图进行同态加密操作，并将加密后的梯度直方图传输给中央服务器；S4、中央服务器将收集到的各个制药机构的加密后的梯度直方图进行聚合，根据GBDT模型的决策树构建流程生成下一步建树操作，并将该操作信息转发给各制药机构；S5、每个制药机构使用中央服务器发来的决策树构建信息来更新其本地GBDT模型。本发明在保证数据隐私的同时具有高效的药靶亲和力预测能力。
-
公开(公告)号：CN117912557A
公开(公告)日：2024-04-19
申请号：CN202410010495.X
申请日：2024-01-04
Applicant: 湖南大学
Abstract: 本发明公开了一种基于多视图注意力解读细胞间主要通讯组件的方法，包括：S1、获取晚期肾细胞癌的scRNA‑seq数据集；S2、利用细胞‑细胞通信分析工具推断所述数据集的配体‑受体的相互作用；S3、以单细胞分辨率构建多视图细胞‑细胞通信网络；S4、解读细胞‑细胞通信对特异性靶基因表达的影响；S5、解读细胞‑细胞通信对肿瘤细胞功能状态的影响；S6、确定训练策略；S7、基于基因表达或细胞功能状态受细胞通信影响的程度进行模型的解释；S8、基因本体论富集分析，选择高度可变的基因作为靶基因，通过GO富集分析，得到受细胞‑细胞通信影响较大以及较小的基因。本发明具有从scRNA‑seq数据中解读CCCs下游功能影响的能力。
-
Patent Agency Ranking
公开(公告)号：CN113724790B
公开(公告)日：2023-10-20
申请号：CN202111044208.X
申请日：2021-09-07
Applicant: 湖南大学
IPC: G16B40/00 , G16B30/00 , G06F18/15 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于卷积去噪自编码机的piRNA‑疾病关联关系预测方法，包括：数据集的选择与建立；Piwi蛋白质相互作用RNA序列相似性特征的生成；疾病语义相似性特征的生成；Piwi蛋白质相互作用RNA和疾病高斯相互作用谱核相似特征的生成；深度隐藏特征挖掘；训练集和测试集的构建；分类器模型的构建。本发明在五折交叉验证实验下取得了优异的性能表现，证明了卷积去噪自编码神经网络在Piwi蛋白质相互作用RNA和疾病关联预测中的有效性。通过案例研究更加证明了本发明在发现潜在Piwi蛋白质相互作用RNA和疾病关联关系的实际应用能力。
-
公开(公告)号：CN115171792A
公开(公告)日：2022-10-11
申请号：CN202210781902.8
申请日：2022-06-30
Applicant: 湖南大学
IPC: G16B40/20 , G16B30/10 , G16B10/00 , G16B50/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/20 , G06N5/00
Abstract: 本发明公开了深度学习和生物信息学技术领域的一种毒力因子和抗生素抗性基因的混合预测方法，该毒力因子和抗生素抗性基因的混合预测方法包括以下步骤：S1.分别从数据库中获取已知的抗生素抗性基因序列数据、毒力因子序列数据以及负样本基因序列数据；S2.利用基因序列信息分别计算多种核心基因特征，构建深度学习神经网络架构和经典集成学习架构；S3.将S1中三类序列数据作为样本，划分中训练数据集和测试数据集；S4.利用多种分类方法获取新的训练数据集；对新的训练数据集构建分类模型，获取分类模型的性能评价指标。该毒力因子和抗生素抗性基因的混合预测方法预测效果好、预测准确率较高。
-
公开(公告)号：CN113611356A
公开(公告)日：2021-11-05
申请号：CN202110865026.2
申请日：2021-07-29
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了一种基于自监督图表征学习的药物重定位预测方法。首先探索发现生物异质网络中不同实体之间的多中心结构特征，并被用于元路径设计；其次，通过基于路径检测的自监督学习机制训练深度Transformer编码器，生成可以反映生物异质网络中全局信息的表征向量；同时，通过集成生物医学实体掩码任务来捕获网络节点之间的局部关联信息；最后，将来自不同任务模型的表征拼接起来作为特征向量，并利用传统的支持向量机模型预测生药物‑靶标的相互作用关系。本发明通过自监督图表征模型捕获了生物异质网络中的局部‑全局信息，进而提高了药物重定位预测精度，同时降低了对生物医学标注数据的依赖性，更加符合生物医药的实际应用。
-
公开(公告)号：CN119601074A
公开(公告)日：2025-03-11
申请号：CN202411611586.5
申请日：2024-11-12
Applicant: 湖南大学
Abstract: 本发明公开了一种基于生物分子互作结构域增强的蛋白质序列设计方法，包括：先输入一个大小为L×N×3的待进行序列设计的蛋白质主链骨架三维坐标信息；获取与生物分子接触的蛋白质序列和相互作用结构域区间；将获取的序列聚类并取出每个簇的代表序列作为训练集；再提取出每条训练样本的三维结构、二级结构、溶剂可及性和功能注释特征表示；使用LoRA算法微调通用多模态蛋白质语言模型ESM3的最后十层transformer模块，对于位于相互作用结构域区间的掩码残基的损失给予更大的权重；将待进行序列设计的蛋白质主链骨架的原子坐标输入到训练好的模型中，得到目标序列。本发明一方面利用了海量蛋白质的多模态信息；另一方面能生成更加健壮且合理的功能性蛋白质序列。
-
公开(公告)号：CN118841074A
公开(公告)日：2024-10-25
申请号：CN202411007996.9
申请日：2024-07-25
Applicant: 湖南大学
Abstract: 本发明公开了一种识别肿瘤免疫互作关键调控子的方法，包括：S1、整合单细胞测序，并构建多视图注意力网络的肿瘤‑免疫细胞互作识别模型，以筛选对预后影响最大的肿瘤‑免疫细胞互作对；S2、根据筛选对预后影响最大的肿瘤‑免疫细胞互作对，基于多组学特征融合的细胞互作关键调控子识别算法，得到关键调控子的基因突变、拷贝数变异和基因表达特征；S3、构建关键调控子功能探究与调控网络；S4、基于关键调控子功能探究与调控网络，设计肿瘤免疫互作关键调控子的免疫治疗应答关联。本发明通过整合大规模多组学数据，系统剖析肿瘤‑免疫互作关键调控子及其功能模块与免疫反应特征、临床表型及免疫治疗应答的关联，并探究其作为预测标志物的潜能。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.02 seconds)
