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

一种基于量子表示学习的致病circRNA预测方法 

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: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。