Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 成都信息工程大学;四川省计算机研究院张永清获国家专利权

成都信息工程大学;四川省计算机研究院张永清获国家专利权

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!

龙图腾网获悉成都信息工程大学;四川省计算机研究院申请的专利一种基于对比学习的单细胞多组学基因调控网络推理方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119207582B

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411264805.7,技术领域涉及:G16B40/00;该发明授权一种基于对比学习的单细胞多组学基因调控网络推理方法是由张永清;周治淦;黄渝璐;邓朝晖;何嘉;王茂丞;毛欣宇;王紫轩设计研发完成,并于2024-09-10向国家知识产权局提交的专利申请。

一种基于对比学习的单细胞多组学基因调控网络推理方法在说明书摘要公布了:本发明公开了一种基于对比学习的单细胞多组学基因调控网络推理方法,属于生物信息技术领域,其包括获取单细胞RNA测序数据和单细胞染色质可及性数据,并进行预处理得到多组学数据的先验网络;将先验调控网络加载成图结构,并将图结构转换为特征空间矩阵;计算图结构中每条边上两个结点的皮尔逊相关系数,当其大于预设阈值时,作为结点对,将结点对和其对应的特征向量和隐藏向量存储至数据集中;将数据集分成若干批次随机输入对比学习模型,得到每个结点的结点类型、结点对的配对程度和结点特征重建向量;采用调控网络解释器提取结点特征重建向量中两个结点在特征空间中的映射,并基于映射计算结点的结构熵,以此确定结点是否为关键结点。

本发明授权一种基于对比学习的单细胞多组学基因调控网络推理方法在权利要求书中公布了:1.一种基于对比学习的单细胞多组学基因调控网络推理方法,其特征在于,包括步骤: S1、获取单细胞RNA测序数据和单细胞染色质可及性数据,对单细胞RNA测序数据和单细胞染色质可及性数据进行聚类,并采用MACS2工具分析聚类后单细胞染色质可及性数据的波峰,生成峰的坐标数据; 获取Cis-BP数据库中与转录因子相关的序列特异性motif及人类基因组数据库中人类基因数据及其对应位置信息; 采用bedtools工具分别对峰的坐标信息与序列特异性motifs及峰的坐标信息与人类基因进行配对; 根据配对信息将序列特异性motifs连接到基因上,得到包含基因、motif信息和峰的坐标数据的多组学网络文件; 获取转录因子和motif数据集,删除多组学网络文件中未位于转录因子和motif数据集中的基因和motif,得到多组学数据的先验调控网络; S2、将先验调控网络加载成包括转录因子结点和靶基因结点的图结构,设置每个图结构中每个结点被访问次数,之后在图结构中随机选取一个结点,启动随机游走策略,得到图结构中所有结点游走路径; 将所有结点游走路径输入Skip-gram模型,得到每个结点游走路径的隐藏向量,采用所有隐藏向量构成特征空间矩阵; S3、计算图结构中每条边上两个结点的皮尔逊相关系数,当其大于预设阈值时,作为结点对,将结点对和其对应的特征向量和隐藏向量存储至数据集中; S4、将数据集中数据划分成若干批次,将数据集中每个结点对的两个结点u和v的特征向量和隐藏向量拆分至对应结点下,并分别输入一个孪生编码器,计算得到隐向量和; 采用多头注意力机制计算隐向量的注意力权重,提取注意力权重中的注意力矩阵,并传递给另一个多头注意力机制,计算隐向量的注意力权重向量; 根据注意力权重向量,采用多任务解码器的三个输出头分别输出结点类型、结点对的配对程度和结点特征重建向量; S5、采用调控网络解释器提取结点特征重建向量中两个结点在特征空间中的映射,并基于映射计算结点结构熵,以此确定结点是否为关键结点; 基于映射计算结点结构熵的表达式为: , 其中,为结点j的特征向量和隐藏向量;为结点j的映射与之间的欧几里得距离;为结点j的结构熵;为结点j的度;j为结点特征重建向量对应中两个结点中任一结点。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人成都信息工程大学;四川省计算机研究院,其通讯地址为:610225 四川省成都市双流区西南航空港经济开发区学府路1段24号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
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。