-
Patent Agency Ranking
公开(公告)号：CN110648719B
公开(公告)日：2021-03-05
申请号：CN201910897339.9
申请日：2019-09-23
Applicant: 吉林大学
IPC: G16B15/30
Abstract: 本发明公开了一种基于能量和概率的局部结构胃癌耐药lncRNA二级结构预测方法，其方法为：步骤一、将数据读到缓存单元中；步骤二、得到其二级结构预测结果；步骤三、获得一组长度为50的短RNA序列集合M；步骤四、得到序列中所有的局部次优结构集；步骤五、找最优的局部结构组件；步骤六、得到当前的lncRNA二级结构预测结果；步骤七、集合交给最优结构获取单元；步骤八、通过RS‑232串口传回到上位机的显示单元上进行输出显示。有益效果：该方法可以查找出具有特定局部结构的功能组件，分析和解释lncRNA的功能，最后交由生物实验进行功能验证，为高效筛选胃癌耐药相关lncRNA提供一条新的思路。
-
公开(公告)号：CN108090327A
公开(公告)日：2018-05-29
申请号：CN201711380586.9
申请日：2017-12-20
Applicant: 吉林大学
Abstract: 本发明公开一种包含三维自由能的外源性miRNA调控的靶基因预测方法，改进传统序列匹配特征，新提出了种子区域的三维能量统计特征及结合位点的空配惩罚函数统计特征，种子区域结合位点特征表示了结合位点的具体配对信息，使得构建的特征输入向量更为精确，而且更加贴合实际，因此提高了miRNA靶点预测的准确度。
-
公开(公告)号：CN108090327B
公开(公告)日：2022-03-29
申请号：CN201711380586.9
申请日：2017-12-20
Applicant: 吉林大学
Abstract: 本发明公开一种包含三维自由能的外源性miRNA调控的靶基因预测方法，改进传统序列匹配特征，新提出了种子区域的三维能量统计特征及结合位点的空配惩罚函数统计特征，种子区域结合位点特征表示了结合位点的具体配对信息，使得构建的特征输入向量更为精确，而且更加贴合实际，因此提高了miRNA靶点预测的准确度。
-
公开(公告)号：CN110600081A
公开(公告)日：2019-12-20
申请号：CN201910852568.9
申请日：2019-09-10
Applicant: 吉林大学
Abstract: 本发明公开了一种端到端的基于深度学习的ncRNA家族识别方法，其方法分为三部分：模型设计、模型训练以及装置设计和模型测试，各部分主要步骤为：第一步、模型设计；第二步、模型训练及装置设计；第三步、模型测试。本发明的有益效果：本发明提供了一种端到端的基于深度学习的ncRNA家族识别方法，该方法的新颖之处在于可以直接利用深度学习提取ncRNA序列特征来识别ncRNA家族，而不需要基于ncRNA二级结构预测工具的二级结构特征。不同于其他方法，我们的方法避免了由于ncRNA二级结构预测工具准确率比较低，而对精确地识别ncRNA家族带来不利的影响。因此，我们的方法不仅简化了操作步骤，使得ncRNA家族识别更加简便，更提高了识别精度。
-
公开(公告)号：CN110648719A
公开(公告)日：2020-01-03
申请号：CN201910897339.9
申请日：2019-09-23
Applicant: 吉林大学
IPC: G16B15/30
Abstract: 本发明公开了一种基于能量和概率的局部结构胃癌耐药lncRNA二级结构预测方法，其方法为：步骤一、将数据读到缓存单元中；步骤二、得到其二级结构预测结果；步骤三、获得一组长度为50的短RNA序列集合M；步骤四、得到序列中所有的局部次优结构集；步骤五、找最优的局部结构组件；步骤六、得到当前的lncRNA二级结构预测结果；步骤七、集合交给最优结构获取单元；步骤八、通过RS-232串口传回到上位机的显示单元上进行输出显示。有益效果：该方法可以查找出具有特定局部结构的功能组件，分析和解释lncRNA的功能，最后交由生物实验进行功能验证，为高效筛选胃癌耐药相关lncRNA提供一条新的思路。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
