龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：大连理工大学
摘要：本发明提出了一种预测植物lncRNA中sORFs的贝叶斯优化集成学习方法，属于生物信息学和机器学习领域。本发明可以对植物长非编码RNAlncRNA中小开放阅读框sORFs有无编码能力进行预测，不仅为lncRNA编码小肽的发现奠定了基础，同时为生物实验验证提供重要参考，有利于揭示生命体性状及抗病抗逆的分子机制，在农林业生产等领域具有重要的价值。
主权项：1.一种预测植物lncRNA中sORFs的贝叶斯优化集成学习方法，其特征在于，该方法包括以下步骤：Step1：利用生物信息学软件和公共数据库获取小开放阅读框sORFs序列数据并进行数据预处理，结合逻辑推理对数据进行进一步筛选，提高数据可信度；Step2：将处理后的sORFs序列翻译成相应的氨基酸序列，对sORFs序列及氨基酸序列分别进行序列及理化性质特征提取，共得到1795维人工特征；Step3：构建结合多卷积池化与SENet模块的MCSENN深度学习模型，提取sORFs序列512维深层特征；Step4：利用全相关的Boruta特征选择算法对人工提取的1795维特征进行特征选择，实现特征维度压缩；利用主成分分析PCA算法分别对步骤3中MCSENN深度学习模型提取的特征与步骤2中人工提取的特征进行降维，去除冗余信息；Step5：选择分类效果优秀的XGBoost与LightGBM作为基模型，用贝叶斯优化算法对基模型进行优化，采用逻辑回归LR模型来减少基模型之间的信息冗余，构建集成学习模型sORFPred；Step6：模型训练，在苔藓数据集上采用五折交叉验证进行模型训练和测试，将五次实验得到的性能指标取平均值进行模型性能评估。
全文数据：
权利要求：
百度查询： 大连理工大学 预测植物lncRNA中sORFs的贝叶斯优化集成学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号