公开(公告)号：CN119905141A

公开(公告)日：2025-04-29

申请号：CN202510406936.2

申请日：2025-04-02

Applicant: 安徽农业大学

Inventor： 关志豪 ,  张筱丹 ,  金秀 ,  涂立静 ,  张耀武

IPC: G16B20/00 ,  G16B40/00 ,  G06N3/0455 ,  G16H50/70

Abstract: 本发明适用于lncRNA与疾病关联预测领域，具体提供了一种基于KAN网络的lncRNA‑疾病关联预测方法，包括以下步骤：融合lncRNA‑disease关联网络信息、lncRNA和疾病的多种相似性信息构建综合的异构网络；构建基于多头注意力机制的Transformer特征提取器，用于捕获来自lncRNA和disease节点的全局序列化特征；构建基于异构图网络的GraphSAGE特征提取器，用于捕获lncRNA和disease节点的拓扑结构特征；融合全局序列化特征和拓扑结构特征得到综合的lncRNA‑disease关联对特征信息；构建一个用于预测lncRNA和疾病之间关联分数的KAN网络。该方法结合Transformer提取全局序列特征、GraphSAGE挖掘异构网络拓扑信息，并通过KAN网络建模非线性关系，充分挖掘了lncRNA和疾病的多层次信息，提高了lncRNA和疾病之间关联预测的精准性。

公开(公告)号：CN118522444B

公开(公告)日：2024-12-06

申请号：CN202410979917.4

申请日：2024-07-22

Applicant: 安徽农业大学

Inventor： 常黎明 ,  张筱丹 ,  金秀 ,  张耀武 ,  饶元 ,  李绍稳

IPC: G16H50/20 ,  G16H50/70 ,  G16B40/00 ,  G16B30/00 ,  G16B50/30 ,  G06F18/15 ,  G06F18/213 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明属于计算机辅助疾病诊断领域，具体是基于多模态协同表示学习的piRNA‑疾病关联的识别方法，该方法通过融合piRNA‑disease关联信息以及piRNA和疾病的多源相似性信息构建综合的异构网络；将异构网络表示学习模块、关联网络表示学习模块和多视图表示学习模块的特征进行融合，构建一个集成多模态的piRNA‑disease关联对特征表示，基于全连接神经网络来预测piRNA与疾病之间的关联置信度。本发明充分挖掘了来自piRNA和疾病的五种多源相似性信息；从不同视角引入了三种协同表示学习模块，通过各模块之间的相互作用与补充，使得MCRL‑PDA能够更加精确的捕获piRNA与疾病之间的复杂关系。本发明多源相似性融合和多模块表示学习的方法可以有效提高MCRL‑PDA识别不同实体间复杂关系的能力。

公开(公告)号：CN118522444A

公开(公告)日：2024-08-20

申请号：CN202410979917.4

申请日：2024-07-22

Applicant: 安徽农业大学

Inventor： 常黎明 ,  张筱丹 ,  金秀 ,  张耀武 ,  饶元 ,  李绍稳

IPC: G16H50/20 ,  G16H50/70 ,  G16B40/00 ,  G16B30/00 ,  G16B50/30 ,  G06F18/15 ,  G06F18/213 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明属于计算机辅助疾病诊断领域，具体是基于多模态协同表示学习的piRNA‑疾病关联的识别方法，该方法通过融合piRNA‑disease关联信息以及piRNA和疾病的多源相似性信息构建综合的异构网络；将异构网络表示学习模块、关联网络表示学习模块和多视图表示学习模块的特征进行融合，构建一个集成多模态的piRNA‑disease关联对特征表示，基于全连接神经网络来预测piRNA与疾病之间的关联置信度。本发明充分挖掘了来自piRNA和疾病的五种多源相似性信息；从不同视角引入了三种协同表示学习模块，通过各模块之间的相互作用与补充，使得MCRL‑PDA能够更加精确的捕获piRNA与疾病之间的复杂关系。本发明多源相似性融合和多模块表示学习的方法可以有效提高MCRL‑PDA识别不同实体间复杂关系的能力。