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：郑州轻工业大学
摘要：本发明公开一种基于量子表示学习的致病circRNA预测方法。所述方法包括：整合多组学数据构建疾病和circRNA关联的多源异质分子网络；基于图门卷积神经网络提取节点的拓扑结构信息和上下文特征，得到circRNA和疾病的低维嵌入表示；利用量子多层感知器学习刻画疾病circRNA的联合特征表示，然后预测未知的致病circRNA。本发明基于多源生物异质分子网络进行特征建模，结合深度神经网络和量子生物语言模型的嵌入表示学习，精准、深入理解异质网络中circRNA与疾病之间的关联分析机制，该方法具有良好的可扩展性、实用性和应用前景。
主权项：1.一种基于量子表示学习的致病circRNA预测方法，该方法的特征在于：步骤1.构建疾病circRNA的异质生物信息网络该异质网络中节点集合包括疾病、circRNA、miRNA、lncRNA，边对象ε包括疾病、circRNA、miRNA、lncRNA之间的关联边。步骤2.circRNA、miRNA、lncRNA和疾病节点的特征提取：分别计算疾病语义相似性和高斯核函数相似性，circRNA、miRNA和lncRNA的序列特征和高斯核函数相似性特征。步骤3.构建量子多层感知器和图门卷积网络：基于门机制利用图卷积网络设计一种图门卷积网络的特征学习模型，用于提取多源异质网络中的拓扑特征，得到疾病、circRNA、miRNA和lncRNA在异质网络中的拓扑语义特征。基于门机制和全连接神经网络，设计一种量子多层感知器模型学习疾病和circRNA之间联合依赖信息。步骤4.构建致病circRNA预测器。基于异质分子网络的嵌入信息，利用门多层感知器预测疾病circRNA的关联关系。步骤5.设计致病circRNA预测任务的损失函数。步骤6.模型训练。通过疾病、circRNA、miRNA和lncRNA数据集训练模型，利用Dropout和正则化方法优化模型训练过程，得到模型的最优参数设置。
全文数据：
权利要求：
百度查询： 郑州轻工业大学 一种基于量子表示学习的致病circRNA预测方法
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