首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于多目标粒子群优化的circRNA与特定临床表现关联识别方法 

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:兰州理工大学

摘要:基于多目标粒子群优化的circRNA与特定临床表现关联识别方法,结合改进的多目标粒子群优化算法和节点邻居类型序列特征来预测circRNA‑特定临床表现关联。首先,利用circRNA和特定临床表现的相似性,通过跳跃和停留策略的随机游动异构图获取均衡的节点序列,并用word2vec获取节点邻居向量,获得初步的circRNA和特定临床表现嵌入。然后,使用改进的多目标粒子群优化算法MOPSO迭代搜索最优模型参数,确保模型的收敛性和Pareto前沿解的多样性。最后,将优化参数作为图注意网络的输入,进一步更新模型嵌入,将circRNA‑特定临床表现关联问题转化为图上的链接预测问题。结果显示,该方法性能优于其他方法,且预测的circRNA与特定临床表现关联关系通过案例研究验证,展示了其在生物医学中的潜力。

主权项:1.基于多目标粒子群优化的circRNA与特定临床表现关联识别方法,首先进行数据预处理使用circRNA与特定临床表现已有信息得到多种相似性,其次从异构图中获得circRNA和特定临床表现的拓扑上下文向量获取异构图节点嵌入特征向量,然后使用改进的多目标粒子群优化算法来优化参数,最后将得到的参数输入到图注意力机制中完成识别任务,所述方法包括数据预处理和训练阶段、多目标粒子群训练阶段和节点特征嵌入阶段,其步骤为:S1、相似性计算,计算circRNA与特定临床表现的多种相似性,构造特定临床表现与circRNA的异构图网络;S2、应用具有跳跃和停留策略的随机游动来获得circRNA和特定临床表现的拓扑上下文向量,将circRNA和特定临床表现的多种相似性与拓扑向量融合,得到异构图的节点特征嵌入;S3、使用改进的多目标粒子群优化算法来优化参数,该算法采用新的粒子更新和淘汰策略,通过Pareto支配排序、排挤距离比较和锦标赛选择来确定pbest和gbest,抵达Pareto最优解集区域,并获得最优参数;S4、将最优参数输入图注意力机制,它通过学习节点间的权重来提取更具表现力的特征,使用图注意力机制对circRNA与特定临床表现的关联进行评估,并与经典模型进行对比分析,以验证上述方法的准确性和有效性。

全文数据:

权利要求:

百度查询: 兰州理工大学 基于多目标粒子群优化的circRNA与特定临床表现关联识别方法

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。