-
公开(公告)号：CN113628678A
公开(公告)日：2021-11-09
申请号：CN202110925770.7
申请日：2021-08-12
Applicant: 湖南大学
Abstract: 本发明公开了一种基于spark计算引擎的高通量虚拟药物筛选方法及系统。方法包括受体广播、配体索引构建、配体分割、配体组装、并行化、分子对接和对接结果聚合步骤。本发明使用HDFS分布式文件系统存储受体和配体的对接数据，利用spark分布式计算引擎完成数据并行化的分子对接任务，具有计算速度快、支持容错、可扩展性强、易于部署和使用等特点。
-
公开(公告)号：CN113611367A
公开(公告)日：2021-11-05
申请号：CN202110898820.7
申请日：2021-08-05
Applicant: 湖南大学
Abstract: 本发明公开了一种基于VAE数据增强的CRISPR/Cas9脱靶预测方法，包括S1、采用Pair编码对训练数据进行处理；S2、采用H‑VAE模型对步骤S1中处理后的数据进行预训练以获得隐变量分布的参数；S3、采用给定的后验分布并结合隐变量分布的参数采样新的正样本；S4、将新采样的正样本与之前的训练数据融合，在保留原始信息模型的信息提取模块的基础上，将最后的全连接层进行替换，使用融合后的数据进行联合训练；S5、利用训练好的任务分类结果，对新的输入任务进行脱靶预测。本发明解决了类不平衡数据所带来的学习不稳定等问题。
-
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：CN113114495A
公开(公告)日：2021-07-13
申请号：CN202110364101.7
申请日：2021-04-03
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了一种基于区块链的主节点公平选举方法。本发明改进了PBFT共识方法，使网络中的节点可以自由的加入与退出，增加了区块链网络的灵活性。同时为在区块链网络中设置了一个最近生产队列，本轮中被选中的主节点的编号不能与生产队列中的节点编号重复，这种方式解决了部分节点不能被选为生产节点的不公平问题。由于本发明中区块链网络中的主节点不是由固定的节点担任，因此在一定程度上增加了系统的安全性。
-
公开(公告)号：CN112967751A
公开(公告)日：2021-06-15
申请号：CN202110299297.6
申请日：2021-03-21
Applicant: 湖南大学
Abstract: 本发明属于生物信息学、智能优化、计算机应用领域，公开了基于进化搜索的蛋白质构象空间优化方法。本发明包括：用氨基酸序列在第0代时的随机构象初始化种群；将种群中个体按照势能值排序；选择低势能个体作为当前采样前的父代个体，对每一个父代个体应用片段替换技术进行修改生成子代个体；对得到的每一个子代个体，应用最小化策略进行一系列的片段替换运动，映射到附近的极小值状态；将经过最小化策略处理后的所有子代个体与种群中其他个体形成的并集经过截断选择后选出新的种群。本发明改进了基本进化方法的不足，如：容易过早收敛到次优区域。本发明借助于以局部贪婪搜索为特征的最小化步骤，实现了采样能力更高的蛋白质构象空间探索方法。
-
Patent Agency Ranking
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：CN112309505A
公开(公告)日：2021-02-02
申请号：CN202011226196.8
申请日：2020-11-05
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了一种基于网络表征的抗新冠炎症药物发现方法。首先通过融合DrugBank、UniProt、HPRD、SIDER、CTD、NDFRT和STRING等多个数据库构建多源、异构、大规模的生物医药网络；然后，通过随机游走的方式在网络中进行序列采样构成网络序列库，利用Transformer的深层双向编码器表征技术对进行表征，得到每个节点的表征向量；利用归纳矩阵分解技术进行靶标‑药物相互作用预测，发现潜在的抗COVID‑19炎症药物，推理出相关药物的作用机理。本发明通过集成多源异构的信息，多样化的数据为药物研发提供了一个多层关联知识，进而提高了预测精度；其次，通过Transformer模型融合了多头注意力机制，可以不同程度的捕获网络节点之间的关联性与网络节点的物理距离，进而改善表征的性能。
-
公开(公告)号：CN111261223A
公开(公告)日：2020-06-09
申请号：CN202010030316.0
申请日：2020-01-12
Applicant: 湖南大学
Abstract: 本发明属于生物信息学领域，公开了一种基于深度学习的CRISPR脱靶效应预测方法，通过使用BERT模型对人类基因组进行信息的抽取，有效地利用基因组的先验信息，并对数据进行有效地加强，最后将获取到的特征输入到LightGBM方法中进行训练预测，本发明解决了数据量少和数据不平衡的问题，并实现了对CRISPR脱靶效应的有效预测，具有十分重要的推广应用价值。
-
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。
-
公开(公告)号：CN120032412A
公开(公告)日：2025-05-23
申请号：CN202510120551.X
申请日：2025-01-25
Applicant: 湖南大学
IPC: G06V40/16 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种基于高分辨率图像与跨模态融合的图像处理方法及装置，该方法通过用户界面将目标面部图像进行上传，并通过潜在扩散模型处理，获得高清化面部图像；将高清化面部图像进行归一化处理，获得归一化面部图像；通过图像骨干网络和面部地标检测器对归一化面部图像进行特征提取，分别获得全局特征和地标特征；通过交叉融合策略使全局特征及地标特征进行融合协作生成融合特征，并按照设定尺度划分为多尺度融合特征；通过交叉融合Transformer编码器将多尺度融合特征进行特征提取获得多尺度特征；将多尺度特征进行融合生成最终特征表示，并输入分类器中进行处理，输出情感标签。本发明解决了图片细节不足、类间相似性、类内差异性及尺度敏感性等问题。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.022 seconds)
