-
公开(公告)号：CN113611356B
公开(公告)日：2023-04-07
申请号：CN202110865026.2
申请日：2021-07-29
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了一种基于自监督图表征学习的药物重定位预测方法。首先探索发现生物异质网络中不同实体之间的多中心结构特征，并被用于元路径设计；其次，通过基于路径检测的自监督学习机制训练深度Transformer编码器，生成可以反映生物异质网络中全局信息的表征向量；同时，通过集成生物医学实体掩码任务来捕获网络节点之间的局部关联信息；最后，将来自不同任务模型的表征拼接起来作为特征向量，并利用传统的支持向量机模型预测生药物‑靶标的相互作用关系。本发明通过自监督图表征模型捕获了生物异质网络中的局部‑全局信息，进而提高了药物重定位预测精度，同时降低了对生物医学标注数据的依赖性，更加符合生物医药的实际应用。
-
公开(公告)号：CN114678064A
公开(公告)日：2022-06-28
申请号：CN202210352445.0
申请日：2022-04-04
Applicant: 湖南大学
Abstract: 本发明公开了一种基于网络表征学习的药物靶标相互作用预测方法，包括S1、参数初始化；S2、构建药物异质信息网络；S3、计算相应的相似网络；S4、将相似网络的邻接矩阵A作为输入，计算top‑l个矩阵A的特征分解[Λ,X]；S5、通过高阶相似性的阶数和各阶相似度的权重计算出重加权后的特征值Λ′；S6、对重加权后的特征值Λ′按绝对值的降序进行排序，并选择前d个特征值Λ′；S7、根据矩阵特征分解[Λ,X]计算出所述邻接矩阵A的前d个奇异值[U,Σ,V]；S8、根据奇异值[U,Σ,V]获取在低维向量空间中保持高阶近似性的嵌入向量；S9、使用十折交叉验证；S10、使用归纳矩阵补全法获得潜在药物‑靶点相互作用。本发明提高了预测精度并且提高表征的效率和性能。
-
公开(公告)号：CN111199237A
公开(公告)日：2020-05-26
申请号：CN202010029057.X
申请日：2020-01-12
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了一种基于注意力的卷积神经网络分频特征提取方法。该方法通过将高频特征提取核与低频特征提取核相结合的方式，在多个空间频率上提取蕴含在输入数据中的特征，将低频特征及其提取核大小压缩，可以有效降低训练模型时所需的计算资源，减少内存消耗。采用高低频之间信息交换，可以提高特征提取的丰富度，获得准确率高、可靠的有意结果。结合自注意力机制，可以提高特征提取的效率，减少复杂任务所需的网络深度，缓解由此带来的梯度消失的问题。
-
公开(公告)号：CN113724790A
公开(公告)日：2021-11-30
申请号：CN202111044208.X
申请日：2021-09-07
Applicant: 湖南大学
Abstract: 本发明公开了一种基于卷积去噪自编码机的piRNA‑疾病关联关系预测方法，包括：数据集的选择与建立；Piwi蛋白质相互作用RNA序列相似性特征的生成；疾病语义相似性特征的生成；Piwi蛋白质相互作用RNA和疾病高斯相互作用谱核相似特征的生成；深度隐藏特征挖掘；训练集和测试集的构建；分类器模型的构建。本发明在五折交叉验证实验下取得了优异的性能表现，证明了卷积去噪自编码神经网络在Piwi蛋白质相互作用RNA和疾病关联预测中的有效性。通过案例研究更加证明了本发明在发现潜在Piwi蛋白质相互作用RNA和疾病关联关系的实际应用能力。
-
公开(公告)号：CN112308326A
公开(公告)日：2021-02-02
申请号：CN202011226195.3
申请日：2020-11-05
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了一种基于元路径和双向编码器的生物网络链接预测方法。首选构建了多源异构的药物信息网络，同时设计多种语义路径进行序列采样，构成大规模的语义信息库；其次，将深度Transformer编码器与掩码语言模型(masked language model)有机融合设计出深度双向的编码表征模型有效地提取每个节点的低纬表征向量；最后，利用归纳矩阵补全(Inductive matrix completion)技术进行疾病‑蛋白关联关系、蛋白‑药物相互作用、药物‑副作用关联关系等生物链接预测，进而完成从疾病—靶标—药物—副作用的药物研发技术体系。
-
Patent Agency Ranking
公开(公告)号：CN111681718A
公开(公告)日：2020-09-18
申请号：CN202010531562.4
申请日：2020-06-11
Applicant: 湖南大学
Abstract: 本发明属于计算机生物信息学领域，公开了一种基于深度学习多源异构网络的药物重定位方法。本发明包括步骤：使用随机游走方法，得到概率共生矩阵数据集；利用移位正点互信息(PPMI)矩阵方法计算数据集；利用计算所得的多源数据集对图卷积编码器模型进行训练，获得药物信息的低维嵌入表示作为变分自编码器的输入数据进行参数训练，将训练好的模型结合已知的药物疾病关联矩阵做最终的药物重定位预测。本发明避免了传统特征提取方法的局限，如：高度依赖于医护人员的经提取出有区分性的高质量特征，也往往存在一定的困难，而且准确率低，本发明借助于图卷积编码器模型和变分自编码器网络模型，实现高精度的药物重定位预测。
-
公开(公告)号：CN113724790B
公开(公告)日：2023-10-20
申请号：CN202111044208.X
申请日：2021-09-07
Applicant: 湖南大学
IPC: G16B40/00 , G16B30/00 , G06F18/15 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于卷积去噪自编码机的piRNA‑疾病关联关系预测方法，包括：数据集的选择与建立；Piwi蛋白质相互作用RNA序列相似性特征的生成；疾病语义相似性特征的生成；Piwi蛋白质相互作用RNA和疾病高斯相互作用谱核相似特征的生成；深度隐藏特征挖掘；训练集和测试集的构建；分类器模型的构建。本发明在五折交叉验证实验下取得了优异的性能表现，证明了卷积去噪自编码神经网络在Piwi蛋白质相互作用RNA和疾病关联预测中的有效性。通过案例研究更加证明了本发明在发现潜在Piwi蛋白质相互作用RNA和疾病关联关系的实际应用能力。
-
公开(公告)号：CN115458044A
公开(公告)日：2022-12-09
申请号：CN202211080677.1
申请日：2022-09-05
Applicant: 湖南大学
Abstract: 本发明公开了一种基于生物网络全局结构的药物与药物相互作用预测方法，包括：S1、构建包含药物、蛋白和疾病的生物异质网络；S2、在生物异质网络中选择设定数量的节点对，根据节点对之间最短路径的长度，将节点对标注成不同的四类；S3、计算每个节点邻居的个数，并将所有节点的邻居个数转换成独热编码向量以作为节点的初始特征；S4、将生物网络的邻接矩阵和节点的初始特征输入到图注意力神经网络预测节点对的最短路径类别，并与节点对原有的路径标签进行比较；S5、利用训练好的药物与药物相互作用预测模型进行预测药物与药物相互作用。本发明降低了深度神经网络模型对标签数据的依赖性。
-
公开(公告)号：CN114938310A
公开(公告)日：2022-08-23
申请号：CN202210746181.7
申请日：2022-06-28
Applicant: 湖南大学
Abstract: 本发明属于多方安全计算技术领域，公开了一种基于隐私保护的药物相似性计算方法。首先在输入阶段对各大制药公司将其隐私数据利用RSA非对称加密算法进行加密，利用零知识证明对所有制药公司的密文数据进行验证，并使用HoneyBadger共识算法让各制药公司达成共识进入计算阶段；然后，在计算阶段利用同态加密对密文进行药物相似性计算；然后，将密文中间结果进行广播和验证，并使用共识算法让各制药公司达成共识，同时满足验证成功和达成共识这两个条件的参与方将密文中间结果进行求和，通过以上计算得出最终的密文药物相似性计算结果；最后，在输出阶段利用HoneyBadger共识算法使各参与方之间在最终密文结果上达成共识，利用阈值解密算法对密文进行解密得到明文药物相似性结果。
-
公开(公告)号：CN114496303A
公开(公告)日：2022-05-13
申请号：CN202210011416.8
申请日：2022-01-06
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了一种基于多通道神经网络的抗癌药物筛选方法。本发明通过图卷积网络提取图结构的药物分子图特征，一维卷积提取常规向量格式的药物分子指纹和细胞系miRNA特征，自编码器提取超高维的基因拷贝数特征，可以融合不同数据结构和维度的特征信息。本发明可以解决不同输入特征数据结构不同和数据复杂度高的问题，从而有效融合药物的全局和局部结构信息，以及来自不同组学数据的细胞系特征，提高药物敏感性预测的精度，进而提高抗癌药物筛选的效率。同时，多信息源的融合提高了模型的鲁棒性，使其在数据标签不足时，仍能保持稳定的性能。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.02 seconds)
