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！

龙图腾网获悉西北工业大学深圳研究院;西北工业大学申请的专利一种基于层次化图神经网络的lncRNA标志物预测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：CN119811506B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411993509.0，技术领域涉及：G16B40/00；该发明授权一种基于层次化图神经网络的lncRNA标志物预测方法是由王永天;王志远设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种基于层次化图神经网络的lncRNA标志物预测方法在说明书摘要公布了：本发明具体涉及一种基于层次化图神经网络的lncRNA标志物预测方法，包括：lncRNA相似性网络的构建、疾病相似性网络的构建、lncRNA和疾病的特征学习、构建lncRNA和疾病关联图、基于图的神经结构的维度特征提取。本方法能够提高识别lncRNA与疾病对之间关联方面的预测性能。

本发明授权一种基于层次化图神经网络的lncRNA标志物预测方法在权利要求书中公布了：1.一种基于层次化图神经网络的lncRNA标志物预测方法，其特征在于，所述方法包括： 构建lncRNA相似性网络、疾病相似性网络； 对lncRNA相似性网络、疾病相似性网络分别提取对应的lncRNA特征数据和疾病特征数据；并利用lncRNA特征数据和疾病特征数据构建关联特征图数据；以及 基于lncRNA和疾病的关联源数据，构建互联图数据；其中，将lncRNA-疾病关联定义为节点，将lncRNA-疾病关联的二部图转换为包含lncRNA-疾病关系节点的互联图；将lncRNA与疾病之间的关联节点定义为，如果两个节点共享一个lncRNA或一种疾病，它们之间就有一条边，对于节点和，它们的连接性可以定义为： 利用基于混合图神经网络架构的特征提取模型，分别对关联特征图数据、互联图数据进行维度特征提取，获取关联特征图数据对应的第一维度特征数据、互联图数据对应的第二维度特征数据；其中，所述基于混合图神经网络架构的特征提取模型包括依次设置的：第一图卷积层、图注意层和第二图卷积层；采用GCN-GAT-GCN的结构进行特征提取，公式为： 其中，A表示互联或关联特征图的相邻矩阵，表示第l层的输出； 其中，图卷积层GCN通过利用图的拓扑结构学习节点表示，表示为： 其中，是第l层的节点特征矩阵，是添加了自连接的图的邻接矩阵，是的次数矩阵，是第l层的权重矩阵，是非线性激活函数； 图注意层GAT通过结合注意力机制计算节点特征，使得模型能够专注于邻域内更重要的节点，表示为： 其中，和是第l层节点i和j的特征向量；是节点i和j之间的注意系数，它决定了节点j的特征对节点i的重要；是第l层的权重矩阵； 利用注意力机制层对第一维度特征数据、第二维度特征数据进行特征融合处理，获取融合特征数据； 利用多层感知机层对融合特征数据进行分类处理，获取lncRNA和疾病的相关性概率。

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西北工业大学深圳研究院;西北工业大学，其通讯地址为：518057 广东省深圳市南山区粤海街道高新南九道45号西北工业大学三航科技大厦25楼2501室；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”。

以上内容由龙图腾AI智能生成。