一种基于调制编码的DNA存储方法

    公开(公告)号:CN113299347B

    公开(公告)日:2023-09-26

    申请号:CN202110557918.6

    申请日:2021-05-21

    Applicant: 广州大学

    Abstract: 本发明提供的一种基于调制编码的DNA存储方法,方法包括以下步骤:获取调制码,将计算机文件转换为二进制字符串,根据调制码将二进制字符串进行调制编码,得到DNA存储序列;将DNA存储序列合成得到DNA分子序列,将DNA分子序列进行存储;将存储的DNA分子序列进行测序,得到DNA分子序列的读长,根据调制码对读长进行纠错,将纠错后的DNA分子序列恢复得到计算机文件;方法在不同错误率下,增大测序深度,数据恢复率仍然呈上升趋势,方法还能够有效地减少数据存储过程中的信息冗余,鲁棒性高,可广泛应用于系统生物学研究技术领域。

    一种基于失调调控关系的个性化病前状态识别方法

    公开(公告)号:CN115691674A

    公开(公告)日:2023-02-03

    申请号:CN202211192906.9

    申请日:2022-09-28

    Applicant: 广州大学

    Abstract: 本发明属于生物信息学领域,公开了一种基于失调调控关系的个性化病前状态识别方法,包括以下步骤:S1:计算每个时间点调控关系的调控强度;S2:计算调控关系每个时间点调控强度的变化分数;S3:计算每个时间点个体的调控变化分数;S4:确定特定疾病病前状态相关失调调控标志物;S5:基于疾病病前状态相关失调调控标志物识别疾病病前状态。本发明提供的技术方案在识别疾病病前状态方面有很高的精度,可以确定一组特定疾病固定的失调调控关系标志物,具有临床实施意义;计算过程简单,计算耗时少。

    一种DNA存储的对称加密方法

    公开(公告)号:CN113315623B

    公开(公告)日:2023-01-24

    申请号:CN202110557922.2

    申请日:2021-05-21

    Applicant: 广州大学

    Abstract: 本发明提供的一种DNA存储的对称加密方法,方法包括以下步骤:获取待加密文件,根据加密密钥加密待加密文件的二进制信息,得到DNA存储序列;将DNA存储序列进行混淆操作处理;将若干混淆操作处理后的DNA存储序列进行合成得到DNA分子序列,将DNA分子序列进行存储,DNA分子序列通过测序得到读长,根据读长与加密密钥解密得到二进制信息;方法在不同错误率下,增大测序深度,数据恢复率呈上升趋势,方法还能够有效地减少加密解密过程中的信息冗余,鲁棒性更高,恶意破解难度大,保密效果更好,可广泛应用于系统生物学研究技术领域。

    一种基于调制编码的DNA存储方法

    公开(公告)号:CN113299347A

    公开(公告)日:2021-08-24

    申请号:CN202110557918.6

    申请日:2021-05-21

    Applicant: 广州大学

    Abstract: 本发明提供的一种基于调制编码的DNA存储方法,方法包括以下步骤:获取调制码,将计算机文件转换为二进制字符串,根据调制码将二进制字符串进行调制编码,得到DNA存储序列;将DNA存储序列合成得到DNA分子序列,将DNA分子序列进行存储;将存储的DNA分子序列进行测序,得到DNA分子序列的读长,根据调制码对读长进行纠错,将纠错后的DNA分子序列恢复得到计算机文件;方法在不同错误率下,增大测序深度,数据恢复率仍然呈上升趋势,方法还能够有效地减少数据存储过程中的信息冗余,鲁棒性高,可广泛应用于系统生物学研究技术领域。

    一种基于深度自编码器的疾病相关miRNAs预测方法及系统

    公开(公告)号:CN116705168A

    公开(公告)日:2023-09-05

    申请号:CN202310681068.X

    申请日:2023-06-08

    Applicant: 广州大学

    Abstract: 本说明书实施例提供了一种基于深度自编码器的疾病相关miRNAs预测方法及系统,其中,方法包括:从TCGA数据库中获取样本的miRNAs表达谱数据,对获取的miRNAs表达谱数据分别进行标准化处理;所述样本包括疾病样本和正常样本;利用矩阵分解方法,对标准化处理后的miRNAs表达谱数据中的零值进行填充,使用填充后的miRNAs表达谱数据训练深度自编码器模型;基于所述深度自编码器模型训练反向编码器,根据所述反向编码器获得疾病样本的miRNA表达谱数据与疾病相关性大小,得到与疾病相关性高的miRNA。本发明能够发现新的疾病相关miRNAs,促进疾病的诊断及治疗。

    一种基于生物网络的个性化疾病病前状态识别方法

    公开(公告)号:CN114783520A

    公开(公告)日:2022-07-22

    申请号:CN202210380866.4

    申请日:2022-04-12

    Applicant: 广州大学

    Abstract: 一种基于生物网络的个性化疾病病前状态识别方法,包括:对获取的单个体个性化时序样本数据进行标准化处理,根据时间点将标准化处理后的样本时序数据分为参考样本数据与待测样本数据;根据参考样本数据,得到基准样本数据;从全局蛋白质互作网络提取每个基因的表达模式,计算待测样本数据或参考样本数据中,每个时间点中每个基因相对于基准样本的距离分数;根据距离分数,得到每个时间点标准化的距离分数,根据每个时间点标准化距离分数,识别疾病病前状态;本发明识别疾病病前状态精度高,由于该方法主要是使用基因间调控关系作为背景进行数据处理和分析,因此该方法更具有生物意义,计算过程简单,计算耗时少。

    一种基于miRNAs表达谱和自然语言模型的癌症分类方法

    公开(公告)号:CN114661870B

    公开(公告)日:2024-08-06

    申请号:CN202210380861.1

    申请日:2022-04-12

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于miRNAs表达谱和自然语言模型的癌症分类方法,包括如下步骤:对癌症miRNA表达数据集样本的预处理;根据miRNA的表达数据,构建邻居miRNA频数数据表;遍历每一个miRNA表达样本,基于统计语言模型方法分别计算每个样本在癌症组和正常组中的统计概率;根据待测样本在癌症组和正常组中的统计概率特征,构建分类器预测待测样本所属类别。本发明基于自然语言模型的癌症分类方法,具有高效预测且计算简单的优点。本方法着重考虑样本内miRNA分子表达值的排名先后顺序,无需关注miRNA分子在样本间的表达差异。本发明不受基因组测序批次效应的影响,对于癌症样本的分类具有广泛的适用性。

    一种基于基因表达秩的病前状态快速检测方法

    公开(公告)号:CN116312787A

    公开(公告)日:2023-06-23

    申请号:CN202310241537.6

    申请日:2023-03-13

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于基因表达秩的病前状态快速检测方法,包括以下步骤:(1)获取每个时间点所有基因的时序基因表达数据,筛选出正常数据,计算得到单个个体的基准表达数据;(2)将基准表达数据进行排序,得到基准表达秩;(3)将所有时序基因表达数据进行排序,得到每个时间点每个基因的表达秩,计算所有基因表达秩的变化分数;(4)对基因表达秩进行筛选,计算个体表达秩变化分数;(5)确定异常分数的阈值;(6)依据个体秩变化分数与阈值,识别疾病病前状态。本发明基于基因表达排序的变化与疾病发生发展的关系,具有计算简单快速的优点,同时基于排序可以在一定程度上去除实验批次效应及误差。

    一种基于组织特性网络的药物重定位方法

    公开(公告)号:CN114743599A

    公开(公告)日:2022-07-12

    申请号:CN202210379908.2

    申请日:2022-04-12

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于组织特异性网络的药物重定位方法,包括如下步骤:对癌症表达数据集样本以及药物扰动基因表达数据集的预处理;根据KEGG通路数据库,构建与直肠癌相关的组织特异性网络;通过组织特异性网络来计算药物相关基因对疾病相关基因的抑制得分值;根据抑制得分值,筛选出治疗直肠癌的最有可能的候选药物。本发明基于组织特异性网络的药物重定位方法,相对于经典方法具有高效预测能力。本发明提供的方法基于组织特异性网络的药物重定位,解决了疾病相关基因与药物相关基因重叠度不高、药物靶向关系不完善的问题。本发明基于比较抑制得分值进行药物效果预测和筛选,对于癌症的推荐药物具有广泛的适用性。

    一种基于miRNAs表达谱和自然语言模型的癌症分类方法

    公开(公告)号:CN114661870A

    公开(公告)日:2022-06-24

    申请号:CN202210380861.1

    申请日:2022-04-12

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于miRNAs表达谱和自然语言模型的癌症分类方法,包括如下步骤:对癌症miRNA表达数据集样本的预处理;根据miRNA的表达数据,构建邻居miRNA频数数据表;遍历每一个miRNA表达样本,基于统计语言模型方法分别计算每个样本在癌症组和正常组中的统计概率;根据待测样本在癌症组和正常组中的统计概率特征,构建分类器预测待测样本所属类别。本发明基于自然语言模型的癌症分类方法,具有高效预测且计算简单的优点。本方法着重考虑样本内miRNA分子表达值的排名先后顺序,无需关注miRNA分子在样本间的表达差异。本发明不受基因组测序批次效应的影响,对于癌症样本的分类具有广泛的适用性。

Patent Agency Ranking