-
公开(公告)号:CN116564408A
公开(公告)日:2023-08-08
申请号:CN202310486650.0
申请日:2023-04-28
申请人: 上海科技大学
摘要: 本申请提供基于知识图谱推理的合成致死基因对预测方法、装置、设备及介质,所述方法包括:获取合成致死知识图谱和已知合成致死基因对;将合成致死知识图谱和由已知合成致死基因对所构成的合成致死图合并生成对应的异构图,以基于异构图及预设起始基因构建得到一用于预测所述预设起始基因的若干个搭档基因的预测模型;基于一多分类损失函数来训练优化预测模型。本发明在无需采样邻居的前提下充分利用KG的结构预测SL关系并对预测过程进行解释,将SL预测问题定义为搭档基因的推荐问题。实验表明,在三种数据划分场景下,KR4SL在NDCG,Precision和Recall上的表现和均优于所有的基线模型。
-
公开(公告)号:CN113299338B
公开(公告)日:2023-08-29
申请号:CN202110638513.5
申请日:2021-06-08
申请人: 上海科技大学
摘要: 本发明的基于知识图谱的合成致死基因对预测方法、系统、终端及介质,通过在知识图谱中提取子图的方式,并基于提取的子图的基础上完成知识整合和特征提取的过程,取得了最高的预测准确率。尤其在表示基因特征时,根据利用的包含与SL基因对相关的生物过程、疾病、通路等因素的知识图谱,达到了充分考虑SL基因对背后共同的生物学机制的效果,进而使得预测结果更具有参考性,并解决了现有技术的问题。
-
公开(公告)号:CN116564408B
公开(公告)日:2024-03-01
申请号:CN202310486650.0
申请日:2023-04-28
申请人: 上海科技大学
摘要: 本申请提供基于知识图谱推理的合成致死基因对预测方法、装置、设备及介质,所述方法包括:获取合成致死知识图谱和已知合成致死基因对;将合成致死知识图谱和由已知合成致死基因对所构成的合成致死图合并生成对应的异构图,以基于异构图及预设起始基因构建得到一用于预测所述预设起始基因的若干个搭档基因的预测模型;基于一多分类损失函数来训练优化预测模型。本发明在无需采样邻居的前提下充分利用KG的结构预测SL关系并对预测过程进行解释,将SL预测问题定义为搭档基因的推荐问题。实验表明,在三种数据划分场景下,KR4SL在NDCG,(56)对比文件杨瑞达;林欣;杨燕;贺樑;窦亮.基于混合增强智能的知识图谱推理技术研究.计算机应用与软件.2019,(第06期),全文.陈德华;殷苏娜;乐嘉锦;王梅;潘乔;朱立峰.一种面向临床领域时序知识图谱的链接预测模型.计算机研究与发展.2017,(第12期),全文.
-
公开(公告)号:CN115240778A
公开(公告)日:2022-10-25
申请号:CN202210957122.4
申请日:2022-08-10
申请人: 上海科技大学
摘要: 本申请公开了一种基于对比学习的合成致死基因搭档的推荐方法、装置、终端及介质,通过获取基因数据,将基因数据中的待匹配基因和被推荐基因分别组成多个候选基因对,将候选基因对输入训练完毕的对比学习模型得到各候选基因对的基因嵌入,基于各候选基因对的基因嵌入,计算各候选基因对中两基因的相似度,作为各候选基因对的得分结果,选定得分最高的候选基因对中的被推荐基因作为待匹配基因的合成致死基因搭档。本申请利用对比学习框架达到仅用已知的合成致死基因作为正样本训练模型并推荐合成致死基因搭档的效果,排除现有技术对负样本的依赖,有效缓解基因样本的稀缺问题,较现有技术相比具备优越的预测性能。
-
公开(公告)号:CN115240778B
公开(公告)日:2024-03-26
申请号:CN202210957122.4
申请日:2022-08-10
申请人: 上海科技大学
IPC分类号: G16B40/00 , G16B5/00 , G06F18/22 , G06F18/214 , G06N3/0499 , G06N3/08 , G06N20/00
摘要: 本申请公开了一种基于对比学习的合成致死基因搭档的推荐方法、装置、终端及介质,通过获取基因数据,将基因数据中的待匹配基因和被推荐基因分别组成多个候选基因对,将候选基因对输入训练完毕的对比学习模型得到各候选基因对的基因嵌入,基于各候选基因对的基因嵌入,计算各候选基因对中两基因的相似度,作为各候选基因对的得分结果,选定得分最高的候选基因对中的被推荐基因作为待匹配基因的合成致死基因搭档。本申请利用对比学习框架达到仅用已知的合成致死基因作为正样本训练模型并推荐合成致死基因搭档的效果,排除现有技术对负样本的依赖,有效缓解基因样本的稀缺问题,较现有技术相比具备优越的预测性能。
-
公开(公告)号:CN113299338A
公开(公告)日:2021-08-24
申请号:CN202110638513.5
申请日:2021-06-08
申请人: 上海科技大学
摘要: 本发明的基于知识图谱的合成致死基因对预测方法、系统、终端及介质,通过在知识图谱中提取子图的方式,并基于提取的子图的基础上完成知识整合和特征提取的过程,取得了最高的预测准确率。尤其在表示基因特征时,根据利用的包含与SL基因对相关的生物过程、疾病、通路等因素的知识图谱,达到了充分考虑SL基因对背后共同的生物学机制的效果,进而使得预测结果更具有参考性,并解决了现有技术的问题。
-
-
-
-
-