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：浙江理工大学
摘要：本发明公开了一种基于多尺度基因图谱的PD的动态演化预测建模方法。该方法首先将前T个时间点的病人的表达信息作为初始数据集；然后采用多尺度嵌入式基因共表达网络分析算法对基因进行共表达网络的计算，并将基因划分至不同的基因模块中；接着将全局的基因网络和局部基因模块网络进行多尺度融合，得到一个富含更多信息量的融合网络；将前T个时刻的融合基因网络和表达矩阵作为输入，利用时间卷积算法对动态图节点特征的时间维度进行提取，利用多头图自注意力算法搭配门控循环单元对图进行空间维度特征的提取，最后预测T+1时刻的帕金森病人疾病阶段。本发明有效利用了帕金森疾病多个时刻的数据信息，有效提高模型的精度和准确性。
主权项：1.一种基于多尺度基因图谱的PD的动态演化预测建模方法，其特征在于，包括以下步骤：S1：建立每个时刻的表达矩阵X包含m个病人，每个病人有n个基因，采用多尺度嵌入式基因共表达网络分析算法对每个时刻的基因表达矩阵X进行共表达网络分析，得到一个包含基因与基因之间相关性的全局网络然后对全局网络进行多尺度聚类分析-MCA，该算法为一种常用的聚类方法，旨在解决数据集中具有不同尺度特征的聚类问题。通过在不同尺度下对数据进行分析，多尺度聚类分析算法可以同时识别和描述不同尺度上的聚类结构，将具有相似功能的基因划分至同一个基因模块中；S2：针对各个局部基因模块的子网络与全局的基因共表达网络的差异性和共性，采用低维投影的方法将多个尺度的图数据进行融合，得到一个用邻接矩阵表示的n*n的多尺度融合图数据S；S3：将前T个时刻的表达矩阵X和多尺度融合图数据S同时作为整体模型的输入，来预测T+1时刻的帕金森疾病的严重程度；S4：采用时间卷积模型-TCN方法来提取动态图节点的时间维度特征，采用三层的多头图自注意力机制模型搭配门控循环单元机制来提取图的空间维度的特征；S5：采用紧凑的双线性池化操作，将时间维度张量和空间维度张量融合在一起，得到含有时空特征的张量，再使用真类概率置信度-TCP算法搭配全连接层算法进行分类预测。
全文数据：
权利要求：
百度查询： 浙江理工大学 一种基于多尺度基因图谱的PD的动态演化预测建模方法
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