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！

龙图腾网获悉电子科技大学长三角研究院(衢州)申请的专利一种基于多分支深度学习与自适应特征筛选的5hmC预测方法及系统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：CN120183509B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202510647693.1，技术领域涉及：G16B40/00；该发明授权一种基于多分支深度学习与自适应特征筛选的5hmC预测方法及系统是由明扬;邹权;罗锡梅;王彦苏;牛梦婷设计研发完成，并于2025-05-20向国家知识产权局提交的专利申请。

本一种基于多分支深度学习与自适应特征筛选的5hmC预测方法及系统在说明书摘要公布了：本发明公开了一种基于多分支深度学习与自适应特征筛选的5hmC预测方法，包括：S1.构建正负样本集；S2.对正负样本分别进行序列型特征编码、理化属性特征编码和统计类特征编码，生成多维特征集；S3.将不同编码类型的特征分别输入至对应的神经网络分支处理；S4.筛选对5hmC预测贡献最大的若干特征子集；S5.训练包括多个神经网络分支、自注意力机制和分类器的预测模型以用于预测5hmC修饰位点。本方案通过结合序列型特征编码、理化属性特征编码和统计类特征编码等不同类型的特征，全面刻画DNA序列的局部模式、全局模式、理化属性及碱基编码等多个层面的信息，通过多特征融合，避免了现有方法对序列信息的单一片面描述，从而大幅提升模型对5hmC修饰位点的辨识能力。

本发明授权一种基于多分支深度学习与自适应特征筛选的5hmC预测方法及系统在权利要求书中公布了：1.一种基于多分支深度学习与自适应特征筛选的5hmC预测方法，其特征在于，该方法包括： S1.从多种测序数据筛选共有5hmC修饰位点，构建正负样本集； S2.对正负样本分别进行序列型特征编码、理化属性特征编码和统计类特征编码，生成多维特征集； S3.将不同编码类型的特征分别输入至对应的神经网络分支处理； S4.通过自注意力机制动态加权融合各神经网络分支输出的特征，并结合动态SHAP值计算与多阶段LASSO回归，筛选对5hmC预测贡献最大的若干特征子集； S5.采用自适应正则化与自适应重采样策略，通过类别不平衡损失函数训练包括多个神经网络分支、自注意力机制和分类器的预测模型以用于预测5hmC修饰位点； 所述的序列型特征编码包括One-Hot编码、Binary编码、Kmer编码、PSTNPsS编码、Mismatch编码、ENAC编码中的任意一种或多种； 所述的理化属性特征编码包括PCP编码、SCPseKNC编码中的任意一种或多种； 所述的统计类特征编码包括DAC编码、ANF编码、ASDC编码中的任意一种或多种； 所述的神经网络分支包括CNN分支、LSTM分支和DNN分支； 所述CNN分支包括多层卷积核，用于提取Kmer频率编码特征、PSTNPsS编码的局部序列型特征； 所述LSTM分支采用双向结构，用于处理SCPseKNC编码的理化属性时序特征、Binary编码的二进制序列依赖关系； 所述的DNN分支包括全连接层与非线性激活函数，用于提取One-Hot编码特征、DAC编码的全局非线性关联。

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电子科技大学长三角研究院(衢州)，其通讯地址为：324003 浙江省衢州市柯城区成电路1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”。