-
公开(公告)号：CN112750497A
公开(公告)日：2021-05-04
申请号：CN202110033127.3
申请日：2021-01-11
Applicant: 湖南大学
Abstract: 本发明涉及生物信息学中的数据挖掘领域，具体涉及一种揭示乳腺癌免疫逃避调控机制的多源数据融合框架。其发明内容主要包括：(1)收集乳腺癌样本、正常样本相关数据；(2)利用NMF对乳腺癌样本进行聚类，得到样本亚群种类；(3)将乳腺癌样本与从GTEx中获得的正常样本进行比较，找出差异表达的相关基因；(4)设计了一个基于ATAC‑SEQ数据的调控分析算法来寻找免疫相关基因；(5)使用五种通用数据库对TF与免疫基因的关系进行验证；(6)分析根据框架得到的免疫基因是否对患者的生存造成影响。本发明提供了一种揭示乳腺癌免疫逃避调控机制的多源数据融合框架，对于研究药物重定位和实现精准医疗具有重要意义。可以有效提升研究过程和研究结果的生物学意义。更重要的是，本发明的单样本规律分析方法可以更深入地探索肿瘤的异质性，对精准医学实践具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN114038502B
公开(公告)日：2024-10-15
申请号：CN202111317810.6
申请日：2021-11-09
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)收集乳腺癌FPKMRNA‑seq信息、乳腺癌的CNV数据、乳腺癌高置信度风险基因信息；(2)进行基于秩的方法对乳腺癌拷贝数变异(CNV)和mRNA数据进行预处理；(3)建立基于蛋白质相互作用知识和信号通路的基因‑基因相互作用网络，利用网络聚类算法生成高密度子网络；(4)构建基于群稀疏学习模型来描述子网与目标基因的mRNA表达之间的关联关系，使用均方根误差(RMSE)衡量CNVs预测目标基因表达变化的能力，采用k‑fold折交叉验证算法进行交叉验证，使用Speraman相关研究方法，并结合通路富集分析对基因表达与CNV进行相关性分析。
-
公开(公告)号：CN117272004A
公开(公告)日：2023-12-22
申请号：CN202310727882.0
申请日：2023-06-19
Applicant: 湖南大学
IPC: G06F18/21 , G06F18/25 , G06N3/09 , G06N3/094 , G06N3/084 , G06N3/0475 , G06N3/048 , G06N3/0455 , G16B40/20
Abstract: 本发明涉及生物信息学中的癌症亚型识别领域，具体涉及一种基于多组学数据的双重对抗自编码器癌症亚型识别方法。其发明内容主要包括：(1)双重对抗的MultiDAAE网络新模型构建(2)选取了代表性的组学数据将其划分训练集、测试集，并进行数据预处理；(3)用P值和聚类数进行效果评估。最终MultiDAAE在大多数数据集上的表现超过了其它常用癌症亚型识别算法，以此验证该方法的有效性。
-
公开(公告)号：CN115017350B
公开(公告)日：2024-06-25
申请号：CN202210666154.9
申请日：2022-06-14
Applicant: 湖南大学
IPC: G06F16/532 , G06F16/538 , G06F16/583 , G06V10/74 , G06V10/77 , G06V10/82
Abstract: 本申请涉及图像查重和人工智能技术领域的一种基于深度学习的海报图像查重检索方法、装置和电子设备。所述方法通过获取海报图像数据库，并采用基于深度学习的特征提取网络提取该数据库中每张海报图像的关键元素的种类特征和视觉特征；根据关键元素的特征建立特征索引库；根据提取到的待查海报图像的关键元素种类特征在特征索引库中进行相似性检索，得到相似海报图像集合；将待查海报图像和相似海报集合中每张海报图像的关键元素视觉特征进行相似度比对，得到待查海报图像的查重结果。本方法通过预先建立特征索引库，对待查海报图像先后根据关键元素的种类特征和视觉特征在索引库中进行两次检索，提高了侵权海报图像查重的效率和准确度。
-
公开(公告)号：CN115017350A
公开(公告)日：2022-09-06
申请号：CN202210666154.9
申请日：2022-06-14
Applicant: 湖南大学
IPC: G06F16/532 , G06F16/538 , G06F16/583 , G06V10/74 , G06V10/77 , G06V10/82
Abstract: 本申请涉及图像查重和人工智能技术领域的一种基于深度学习的海报图像查重检索方法、装置和电子设备。所述方法通过获取海报图像数据库，并采用基于深度学习的特征提取网络提取该数据库中每张海报图像的关键元素的种类特征和视觉特征；根据关键元素的特征建立特征索引库；根据提取到的待查海报图像的关键元素种类特征在特征索引库中进行相似性检索，得到相似海报图像集合；将待查海报图像和相似海报集合中每张海报图像的关键元素视觉特征进行相似度比对，得到待查海报图像的查重结果。本方法通过预先建立特征索引库，对待查海报图像先后根据关键元素的种类特征和视觉特征在索引库中进行两次检索，提高了侵权海报图像查重的效率和准确度。
-
公开(公告)号：CN114038502A
公开(公告)日：2022-02-11
申请号：CN202111317810.6
申请日：2021-11-09
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)收集乳腺癌FPKMRNA‑seq信息、乳腺癌的CNV数据、乳腺癌高置信度风险基因信息；(2)进行基于秩的方法对乳腺癌拷贝数变异(CNV)和mRNA数据进行预处理；(3)建立基于蛋白质相互作用知识和信号通路的基因‑基因相互作用网络，利用网络聚类算法生成高密度子网络；(4)构建基于群稀疏学习模型来描述子网与目标基因的mRNA表达之间的关联关系，使用均方根误差(RMSE)衡量CNVs预测目标基因表达变化的能力，采用k‑fold折交叉验证算法进行交叉验证，使用Speraman相关研究方法，并结合通路富集分析对基因表达与CNV进行相关性分析。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
