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：湖南大学
摘要：本发明涉及生物信息学中的数据挖掘领域，具体涉及一种基于异构图卷积神经网络的合成致死相互作用预测方法。其发明内容主要包括：1收集乳腺癌FPKMRNA‑seq信息、乳腺癌的CNV数据、乳腺癌高置信度风险基因信息；2进行基于秩的方法对乳腺癌拷贝数变异CNV和mRNA数据进行预处理；3建立基于蛋白质相互作用知识和信号通路的基因‑基因相互作用网络，利用网络聚类算法生成高密度子网络；4构建基于群稀疏学习模型来描述子网与目标基因的mRNA表达之间的关联关系，使用均方根误差RMSE衡量CNVs预测目标基因表达变化的能力，采用k‑fold折交叉验证算法进行交叉验证，使用Speraman相关研究方法，并结合通路富集分析对基因表达与CNV进行相关性分析。
主权项：1.一种基于基因交互网络聚类和群稀疏学习的分析表达数量性状与CNV关联的方法，其特征在于实施步骤为：1收集乳腺癌FPKMRNA-seq信息、乳腺癌的CNV数据，即乳腺癌拷贝数变异数据、乳腺癌高置信度风险基因信息；2进行基于秩的方法对乳腺癌拷贝数变异和mRNA数据进行预处理；3建立基于蛋白质相互作用知识和信号通路的基因-基因相互作用网络，利用基于高斯核函数的局部密度函数，采用非负矩阵分解算法，生成高密度子网络，其中局部密度函数为： 其中，dc是距离阈值，ρi代表第i个基因的局部密度，j代表第j个基因；4构建基于群稀疏学习模型： 其中，WT表示学习模型的参数矩阵，γ1和γ2是权重平衡参数，γ1参数平衡拟合程度，γ2参数减少选择CNV，K为子网络个数，n为样本个数，d为训练数量个数，wi为第i个训练参数，c为靶基因数，wij为子网络中基因i与靶标基因j之间学习参数，该模型学习预测子网与目标基因的mRNA表达之间的关联关系，并使用均方根误差进行性能评价，均方根误差为： 其中fi表示对应目标基因在第i个基因样本上的表达水平的预测值，yi表示目标基因在第i个样本上的表达水平实际值，采用k-fold折交叉验证算法进行交叉验证，使用Speraman并结合通路富集分析对基因表达与CNV进行相关性分析。
全文数据：
权利要求：
百度查询： 湖南大学 一种基于基因交互网络聚类和群稀疏学习的表达数量性状与CNV关联的方法
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