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：本发明涉及疾病预测领域，特别涉及一种基于时空动态图学习的AD演化模式分析方法。该方法将n个细胞‑基因表达数据取细胞维度的平均值，获得样本‑基因表达数据；采用基因网络推理算法对不同疾病阶段的样本‑基因表达数据进行运算，获得不同疾病阶段的基因调控图；将不同疾病阶段的基因调控图放入动态图神经网络中，获得不同疾病阶段的基因节点特征；将不同疾病阶段的基因节点特征进行空间特征融合，融合成一个基因节点特征后，与n个细胞‑基因表达数据进行融合，并放入卷积神经网络中对阿兹海默症进行最终的疾病阶段预测。本发明为AD的演化动态分析提供了双视角建模框架，融合基因调控图谱和转录谱两个视角信息，提高了疾病表型预测的准确性。
主权项：1.一种基于时空动态图学习的AD演化模式分析方法，其特征在于：该方法包括以下步骤：步骤一.研究对象为n个阿兹海默症病人的单细胞测序数据，采用主成分分析方法统一n个阿兹海默症病人单细胞测序数据的细胞维度，最终获得c个细胞组成成分，并根据筛选最终获得g个基因，将处理后的数据记为Xn；将Xn细胞维度的平均值作为基因表达，获得一个以样本为行、基因为列的基因表达矩阵该矩阵根据样本标签分成多个矩阵其中t为样本类别数；采用基因网络推理方法得到每一个分类的基因调控图Gt；步骤二、使用步骤一所获得的不同样本类别的基因调控图Gt，构建动态图神经网络，该网络包括输入层、特征层和输出层，输入层与特征层相连，特征层与输出层相连；其中，输入层的输入为Gt，特征层为g个基因不同类别的特征H1,H2,…,Ht-1；步骤三、使用步骤二中动态图神经网络构建出的g个基因的特征H1,H2,…,Ht-1，对其使用注意力机制进行特征融合，获得最终的基因融合矩阵Zt-1；采用流形对齐策略，将Xn与Zt-1映射到同一空间中，获得两个矩阵分别为以样本为主的特征矩阵X′n和以基因融合矩阵为主的特征矩阵Z′n；步骤四、将X′n作为最终输入，使用疾病预测模型，进行阿兹海默症疾病预测。
全文数据：
权利要求：
百度查询： 浙江理工大学 一种基于时空动态图学习的AD演化模式分析方法
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