-
公开(公告)号：CN110797083B
公开(公告)日：2023-04-18
申请号：CN201910881269.8
申请日：2019-09-18
Applicant: 中南大学
IPC: G16B25/10 , G16B5/00 , G16B40/00 , G06F18/2135 , G06F18/23
Abstract: 本发明公开了一种基于多网络的生物标志物识别方法；考虑到样本异质性的影响，本发明方法首先对基因表达谱数据进行标准化处理并对样本进行主成分分析，利用前两个主成分对样本通过高斯混合模型聚类；对于每一类样本，构建一个基于多网络的网络传播模型对网络中的所有基因进行排序，用于初步筛选重要基因；为了获得具有最大区分能力、最小冗余的生物标志物，通过接收者操作特征曲线的线下面积(AUC)优化模型在上一步得到的重要特征中进一步对基因打分排序，获得生物标志物。本发明的方法充分利用了多源生物网络信息，可以有效识别具有最大分类能力、最小冗余和生物可解释性的生物标志物，用于异质的复杂疾病分析。
-
公开(公告)号：CN113192562A
公开(公告)日：2021-07-30
申请号：CN202110496456.1
申请日：2021-05-07
Applicant: 中南大学
Abstract: 本发明公开了一种融合多尺度模块结构信息的致病基因识别方法及系统，通过基于模块度优化的多尺度模块识别算法提取多尺度模块划分；对于每个尺度的模块划分，计算模块的疾病相关性分值和基因的疾病相关性分值，并获得基因的排序列表；基于朴素贝叶斯理论，计算来自多尺度模块划分的基因排序列表的聚合分值列表和对应的基因排序列表；将基于多尺度模块结构的基因排序列表和基于网络随机游走的基因排序列表融合以得到最终的综合的基因分值列表，并计算得到最终的基因排序列表，从而识别致病基因。本发明的方法通过网络多尺度模块挖掘，能够有效地利用隐藏在网络多尺度模块结构中的信息，从而获得更强的识别致病基因的能力。
-
公开(公告)号：CN113192562B
公开(公告)日：2022-05-13
申请号：CN202110496456.1
申请日：2021-05-07
Applicant: 中南大学
Abstract: 本发明公开了一种融合多尺度模块结构信息的致病基因识别方法及系统，通过基于模块度优化的多尺度模块识别算法提取多尺度模块划分；对于每个尺度的模块划分，计算模块的疾病相关性分值和基因的疾病相关性分值，并获得基因的排序列表；基于朴素贝叶斯理论，计算来自多尺度模块划分的基因排序列表的聚合分值列表和对应的基因排序列表；将基于多尺度模块结构的基因排序列表和基于网络随机游走的基因排序列表融合以得到最终的综合的基因分值列表，并计算得到最终的基因排序列表，从而识别致病基因。本发明的方法通过网络多尺度模块挖掘，能够有效地利用隐藏在网络多尺度模块结构中的信息，从而获得更强的识别致病基因的能力。
-
公开(公告)号：CN112820347A
公开(公告)日：2021-05-18
申请号：CN202110141656.5
申请日：2021-02-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于多重蛋白质网络脉冲动力学过程的疾病基因预测方法，该预测方法主要包括以下步骤：一、构建标准化的多重蛋白质网络；二、构建多重蛋白质网络脉冲动力学模型；三、提取多重蛋白质网络脉冲动力学特征；四、融合多重蛋白质网络节点的脉冲动力学特征以通过排序对疾病基因进行预测。本发明的预测方法能够更有效地融合多类型的蛋白质网络，挖掘多源蛋白质网络中的隐含特征，从而提升疾病基因鉴别的能力，且计算量小，适于通过软件实现生物信息大数据的分析。
-
公开(公告)号：CN114242160B
公开(公告)日：2025-03-25
申请号：CN202111575178.5
申请日：2021-12-21
Applicant: 中南大学
IPC: G16B5/20
Abstract: 本公开实施例中提供了一种基于多尺度模块核的致病基因识别方法及系统，属于生物信息学技术领域，具体包括：通过指数抽样的多尺度模块度优化算法从综合的蛋白质相互作用组提取网络多尺度模块，得到标准化多尺度模块谱；根据标准化多尺度模块谱构建多尺度模块核矩阵并进行核稀疏；提取两个预测列表；融合两个预测列表得到基因概率列表，并根据基因概率列表预测疾病的致病基因。通过本公开的方案，提取多尺度模块谱并标准化，有效融合不同层次、特异性的网络模块结构信息后进行稀疏化，提供了新的基因‑基因关联，然后来自原始异构网络和结合多尺度模块核的异构网络的预测列表的排位聚合有效融合了互补的预测信息，提高了预测效率和预测精准度。
-
Patent Agency Ranking
公开(公告)号：CN112820347B
公开(公告)日：2023-09-22
申请号：CN202110141656.5
申请日：2021-02-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于多重蛋白质网络脉冲动力学过程的疾病基因预测方法，该预测方法主要包括以下步骤：一、构建标准化的多重蛋白质网络；二、构建多重蛋白质网络脉冲动力学模型；三、提取多重蛋白质网络脉冲动力学特征；四、融合多重蛋白质网络节点的脉冲动力学特征以通过排序对疾病基因进行预测。本发明的预测方法能够更有效地融合多类型的蛋白质网络，挖掘多源蛋白质网络中的隐含特征，从而提升疾病基因鉴别的能力，且计算量小，适于通过软件实现生物信息大数据的分析。
-
公开(公告)号：CN114242160A
公开(公告)日：2022-03-25
申请号：CN202111575178.5
申请日：2021-12-21
Applicant: 中南大学
IPC: G16B5/20
Abstract: 本公开实施例中提供了一种基于多尺度模块核的致病基因识别方法及系统，属于生物信息学技术领域，具体包括：通过指数抽样的多尺度模块度优化算法从综合的蛋白质相互作用组提取网络多尺度模块，得到标准化多尺度模块谱；根据标准化多尺度模块谱构建多尺度模块核矩阵并进行核稀疏；提取两个预测列表；融合两个预测列表得到基因概率列表，并根据基因概率列表预测疾病的致病基因。通过本公开的方案，提取多尺度模块谱并标准化，有效融合不同层次、特异性的网络模块结构信息后进行稀疏化，提供了新的基因‑基因关联，然后来自原始异构网络和结合多尺度模块核的异构网络的预测列表的排位聚合有效融合了互补的预测信息，提高了预测效率和预测精准度。
-
公开(公告)号：CN112837752B
公开(公告)日：2022-03-04
申请号：CN202110141774.6
申请日：2021-02-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于多网络融合和多层网络扩散的抑郁障碍基因特征挖掘方法，该挖掘方法主要包括以下步骤：一、构建多类型基因关联网络；二、构建标准化的多层基因网络；三、激发抑郁障碍基因驱动的多层基因网络散动力学过程；四、挖掘抑郁障碍基因驱动的多层基因网络扩散动力学特征。该挖掘方法能够有效融合不同类型的生物分子网络，并从各种多样化的生物分子网络中挖掘有效的疾病基因特征，从而更有效的识别抑郁障碍相关基因。
-
公开(公告)号：CN112837752A
公开(公告)日：2021-05-25
申请号：CN202110141774.6
申请日：2021-02-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于多网络融合和多层网络扩散的抑郁障碍基因特征挖掘方法，该挖掘方法主要包括以下步骤：一、构建多类型基因关联网络；二、构建标准化的多层基因网络；三、激发抑郁障碍基因驱动的多层基因网络散动力学过程；四、挖掘抑郁障碍基因驱动的多层基因网络扩散动力学特征。该挖掘方法能够有效融合不同类型的生物分子网络，并从各种多样化的生物分子网络中挖掘有效的疾病基因特征，从而更有效的识别抑郁障碍相关基因。
-
公开(公告)号：CN110797083A
公开(公告)日：2020-02-14
申请号：CN201910881269.8
申请日：2019-09-18
Applicant: 中南大学
Abstract: 本发明公开了一种基于多网络的生物标志物识别方法；考虑到样本异质性的影响，本发明方法首先对基因表达谱数据进行标准化处理并对样本进行主成分分析，利用前两个主成分对样本通过高斯混合模型聚类；对于每一类样本，构建一个基于多网络的网络传播模型对网络中的所有基因进行排序，用于初步筛选重要基因；为了获得具有最大区分能力、最小冗余的生物标志物，通过接收者操作特征曲线的线下面积(AUC)优化模型在上一步得到的重要特征中进一步对基因打分排序，获得生物标志物。本发明的方法充分利用了多源生物网络信息，可以有效识别具有最大分类能力、最小冗余和生物可解释性的生物标志物，用于异质的复杂疾病分析。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
