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

Inventor： 彭绍亮 ,  曾文武 ,  许力文 ,  窦钰涛 ,  姬博亚 ,  吕达锋

IPC: G16B15/20 ,  G16B15/30 ,  G16B40/00 ,  G06F18/23 ,  G06N3/045 ,  G06N3/084

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：CN119580821A

公开(公告)日：2025-03-07

申请号：CN202411015960.5

申请日：2024-07-26

Applicant: 湖南大学

Inventor： 彭绍亮 ,  张诗涵 ,  黄雨薇 ,  许建邦

IPC: G16B15/30 ,  G16B20/00 ,  G16B50/00 ,  G16B40/00 ,  G16B50/10 ,  G06N3/0895

Abstract: 基于表征对齐空间的药物‑靶标相互作用预测方法及装置，该方法将蛋白质表征维度、药物表征维度、公共嵌入表征维度、多层感知器层数和批次维度参数进行初始化；通过若干药学数据库获取若干单源网络数据并进行比对处理，构建生物医药异构网络；根据对比学习策略，将蛋白质靶标及药物表征整合到公共嵌入表征空间，并通过DTI关联训练设定模型；将蛋白质靶标及其对应的若干药物表征输入训练好的设定模型进行DTI预测，获得最相关的若干药物。本发明通过构建生物医药异构网络，有利于预测未知药物相关的DTI关联；搭建嵌入表征对齐框架，既能利用高质量的表征方法表征生物医药网络和生物实体，也能利用对比损失解决训练数据稀疏的问题。

公开(公告)号：CN119171932A

公开(公告)日：2024-12-20

申请号：CN202411601655.4

申请日：2024-11-11

Applicant: 湖南大学

Inventor： 颜盾 ,  肖裕 ,  彭绍亮 ,  余小游

IPC: H04B1/40

Abstract: 本申请涉及一种ADS‑B收发一体芯片及ADS‑B收发机。芯片包括射频接收链路模块、射频发射链路模块、时钟管理模块、数字基带和控制器；射频接收链路模块包括自校准带通滤波器；自校准带通滤波器利用片上滤波器自校准电路输出的带宽控制信号对滤波器带宽进行校准，射频接收链路模块对输入射频信号依次进行低噪声放大、混频器下变频、在校准带宽后的滤波器中进行滤波处理以及模数转换处理得到数字信号，将数字信号发送至数字基带，射频发射链路模块对数字基带输出的PPM编码信号进行译码控制SCPA得到ADS‑B射频信号。本发明能够提供面积小、功耗低、稳定性高以及性能更加可靠的ADS‑B收发一体芯片。

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

Inventor： 彭绍亮 ,  许力文 ,  夏泓 ,  姬博亚

IPC: G16B20/20 ,  G16B20/50 ,  G16B40/00 ,  G06F18/213 ,  G06F18/25 ,  G06N3/042 ,  G06N3/08

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。

公开(公告)号：CN118674062A

公开(公告)日：2024-09-20

申请号：CN202410669652.8

申请日：2024-05-28

Applicant: 湖南大学

Inventor： 徐旸 ,  赤凯 ,  谭运林 ,  高锦宏 ,  靳文强 ,  刘璇 ,  彭绍亮 ,  唐卓 ,  蒋洪波 ,  张尧学

IPC: G06N20/00 ,  G06F21/16

Abstract: 本发明公开了一种基于鲁棒水印的个性化联邦学习模型所有权保护方法，本发明方法包括水印初始化步骤：S1.服务器将初始化模型和每个客户端的公共水印信息发送给对应客户端，客户端生成自己的私有水印；水印解耦嵌入步骤：S2.客户端通过训练将私有水印嵌入到个性化层，将公共水印信息嵌入到对应的表示层位置。然后上传表示层参数到服务器；恶意客户端检测步骤：S3.服务器对客户端上传的表示层参数进行检测，将诚实客户端的参数聚合作为下一轮表示层参数，同时标记恶意客户端。进一步地，服务器循环抽取客户端进行多轮训练，直到模型符合标准。本发明具有客户端容量大，水印鲁棒性强等优点。

公开(公告)号：CN118612232A

公开(公告)日：2024-09-06

申请号：CN202410795810.4

申请日：2024-06-19

Applicant: 湖南大学

Inventor： 彭绍亮 ,  孙铖

IPC: H04L67/104 ,  H04L41/142

Abstract: 本发明公开了一种计算Raft领导选举机制的节点非对称权重方法及装置，方法包括：S1、计算不同节点的基础权重；S2、根据节点性能因素和节点性能权重对性能加成PS进行动态计算；S3、根据节点成为领导者的频率动态增加惩罚因子PF，该惩罚因子用于惩罚频率超过设定频率成为领导者的节点；S4、通过应用指数移动平均对所述性能加成PS和惩罚因子PF进行平滑处理，得到节点的得分。本发明通过赋予高性能或低网络延迟的节点更高的权重，增加了这些节点成为领导者的概率，使得领导者更大概率地稳定且高效，从而减少因频繁选举引起的选举风暴。同时又引入惩罚因子和平滑处理，也避免了领导者过于集中带来的不安全性。

公开(公告)号：CN118430844A

公开(公告)日：2024-08-02

申请号：CN202410473488.3

申请日：2024-04-19

Applicant: 湖南大学

Inventor： 金敏 ,  赵博涛 ,  龚后武 ,  彭绍亮 ,  骆嘉伟

IPC: G16H70/40 ,  G16C20/50 ,  G16C20/70 ,  G06F18/27 ,  G06F18/2431

Abstract: 本发明公开一种基于深度学习异构网络的药物不良反应预测方法及系统。所述预测方法采用基于嵌入权重的图神经网络的药物活性分子结构特征提取模型结合分子的理化性质提取待测药物活性分子的结构特征；然后利用基于多头注意力机制的Transformer Decoder模块对提取的待测药物活性分子的结构特征通过自回归的方式不断地预测生成药物潜在的不良反应；直到预测出的结果为预定义的结束词，获得该药物所有潜在的不良反应。本发明借助嵌入权重的图神经网络强大的图数据结构数据处理能力和Transformer Decoder模块强大的生成能力，构建一个端到端的深度学习方法框架，学习药物与不良反应之间的潜在联系，能更加全面、完整、准确地预测药物的潜在的不良反应。

公开(公告)号：CN114758722B

公开(公告)日：2024-06-28

申请号：CN202210427451.8

申请日：2022-04-21

Applicant: 湖南大学

Inventor： 彭绍亮 ,  鲍雯萱 ,  刘文娟 ,  王小奇 ,  刘明婷 ,  王鹤恬

IPC: G16B30/00 ,  G16B40/00 ,  G06F18/2321 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于生成式对抗网络的基因序列插补方法，通过无监督聚类算法将基因序列按照缺失片段的分布情况分为两类,两个生成器分别学习并构造相应的基因序列缺失分布模型；再分别构建两个生成式对抗网络，通过注入与原数据等量的随机噪声，生成缺失片段的插补结果，并根据对方缺失分布模型的预测结果，丢弃此完整数据的部分信息，最后判别与真实数据的差异性，根据反馈调整插补模型，进而得到高精度的插补结果。本发明可以在不同类型的数据集上进行插补，具有良好的鲁棒性；能模拟基因数据产生缺失的过程，又避免了插补片段与掩盖片段重叠，能够防止训练中产生无意义的迭代；提高了插补的精度和效率，能够运用于大规模数据集的处理。

公开(公告)号：CN114496303B

公开(公告)日：2024-06-04

申请号：CN202210011416.8

申请日：2022-01-06

Applicant: 湖南大学

Inventor： 彭绍亮 ,  程孝孝 ,  刘文娟 ,  王小奇 ,  王红

IPC: G16H70/40 ,  G16B20/10 ,  G16B40/00 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明属于计算机科学领域，公开了一种基于多通道神经网络的抗癌药物筛选方法。本发明通过图卷积网络提取图结构的药物分子图特征，一维卷积提取常规向量格式的药物分子指纹和细胞系miRNA特征，自编码器提取超高维的基因拷贝数特征，可以融合不同数据结构和维度的特征信息。本发明可以解决不同输入特征数据结构不同和数据复杂度高的问题，从而有效融合药物的全局和局部结构信息，以及来自不同组学数据的细胞系特征，提高药物敏感性预测的精度，进而提高抗癌药物筛选的效率。同时，多信息源的融合提高了模型的鲁棒性，使其在数据标签不足时，仍能保持稳定的性能。

公开(公告)号：CN114974610B

公开(公告)日：2024-05-31

申请号：CN202210391128.X

申请日：2022-04-14

Applicant: 湖南大学

Inventor： 彭绍亮 ,  王红 ,  刘文娟 ,  王小奇 ,  程孝孝

IPC: G16H70/40 ,  G16B5/00 ,  G16B40/00 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于计算机科学领域，公开了基于图神经网络和自动编码器的抗癌药物敏感性预测方法。首先从PubChem、CCLE和PRISM数据库中获取相关数据，然后根据所提取的信息和K近邻的方法构建药物细胞系对稀疏相似性矩阵A；其次，利用自动编码器对细胞系的高维特征进行降维，并将药物的特征和细胞系的特征进行拼接之后得到药物细胞系对的特征矩阵X；再次，将A和X作为输入，利用初始残差连接图神经网络学习网络中每个节点的表征；最后使用全连接层预测药物细胞系对之间的敏感性数值。本发明充分将药物、细胞系和DCP之间的相似性信息进行融合，并将图卷积神经网络和初始残差连接进行融合，提高了药物与细胞系对之间的敏感性预测精度。