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申请的专利一种基于多特征融合的TF-DNA结合识别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：CN115810398B 。

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：202211696499.5，技术领域涉及：G16B30/10；该发明授权一种基于多特征融合的TF-DNA结合识别方法是由张永清;邹权;刘宇航;吴锡;王紫轩;熊术文;王茂丞;喻云;林天华;向艳辉设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种基于多特征融合的TF-DNA结合识别方法在说明书摘要公布了：本发明公开了一种基于多特征融合的TF‑DNA结合识别方法，包括：S1：获得人类常见组织的五种与转录因子结合相关的原始数据；S2：对多种数据进行预处理；S3：对预处理后的原始数据中的DNA序列数据进行数据编码处理；S4：对预处理后的原始数据中的其他数据进行归一化处理；S5：利用多特征融合的自注意力机制和卷积神经网络对编码后的DNA序列数据和归一化后的数据进行全局依赖提取、特征提取和特征融合，得到整体特征映射组合；S6：根据整体特征映射组合，对多特征融合的TF‑DNA结合识别模型进行训练，得到训练后的多特征融合的TF‑DNA结合识别模型；S7：利用训练后的多特征融合的TF‑DNA结合识别模型对待识别数据进行识别。

本发明授权一种基于多特征融合的TF-DNA结合识别方法在权利要求书中公布了：1.一种基于多特征融合的TF-DNA结合识别方法，其特征在于，所述基于多特征融合的TF-DNA结合识别方法包括： S1：获得人类常见组织的五种与转录因子结合相关的原始数据； S2：对所述原始数据进行预处理，得到预处理后的原始数据；所述预处理后的原始数据包括：DNA序列数据及其对应的DNA形状数据、染色质可及性数据、组蛋白修饰数据和保守性数据； S3：对所述预处理后的原始数据中的DNA序列数据进行数据编码处理，得到编码后的DNA序列数据； S4：对所述预处理后的原始数据中的DNA形状数据、染色质可及性数据、组蛋白修饰数据和保守性数据进行归一化处理，得到归一化后的数据； S5：利用多特征融合的注意力机制和卷积神经网络对所述编码后的DNA序列数据和所述归一化后的数据进行全局依赖提取、特征提取和特征融合，得到整体特征映射组合；所述多特征融合卷积神经网络包括依次设置的多头自注意力机制模块、第一特征融合模块、卷积前馈神经网络模块、第二特征融合模块、卷积层一、最大池化层、卷积层二、全局池化层、全连接层和ReLU激活层； 所述多头自注意力机制模块用于获取所述编码后的DNA序列数据归一化后的数据，并捕捉所述编码后的DNA序列数据归一化后的数据中不同特征存在的长、短距离依赖； 所述第一特征融合模块用于融合所述编码后的DNA序列数据归一化后的数据和所述长、短距离依赖，得到第一融合结果； 所述卷积前馈神经网络模块用于对所述第一融合结果进行特征加强，得到加强结果； 所述第二特征融合模块用于融合所述第一融合结果和所述加强结果，得到全局依赖提取结果； 所述卷积层一用于提取所述全局依赖提取结果中的初始特征，并将所述初始特征传输至所述最大池化层； 所述最大池化层用于将采样所述初始特征中的特征映射； 所述卷积层二用于对所述特征映射进行卷积计算，以得到计算后的特征映射； 所述全局池化层用于采样所述计算后的特征映射，以得到特征提取结果； 所述全连接层和所述ReLU激活层用于对所述全局依赖提取结果和所述特征提取结果进行融合，得到整体特征映射组合； S6：根据所述整体特征映射组合，利用迁移学习方法对多特征融合的TF-DNA结合识别模型进行训练，得到训练后的多特征融合的TF-DNA结合识别模型； 迁移学习方法包括弱迁移学习方法和强迁移学习方法，弱迁移学习方法包括： A1：对于在组织T中的转录因子AT,使用其余数据集进行预训练，直至所述多特征融合的TF-DNA结合识别模型损失不再下降； A2：使用AT的数据集微调所述多特征融合的TF-DNA结合识别模型，直至损失不再下降； A3：输出所述多特征融合的TF-DNA结合识别模型； 强迁移学习方法包括： B1：对某一转录因子A，使用A所有组织的数据集进行预训练，直至所述多特征融合的TF-DNA结合识别模型损失不再下降； B2：冻结全连接层以外的所有网络结构； B3：使用目标组织数据微调所述多特征融合的TF-DNA结合识别模型，直至损失不再下降； B4：输出所述多特征融合的TF-DNA结合识别模型； S7：利用所述训练后的多特征融合的TF-DNA结合识别模型对待识别数据进行识别，得到识别结果。

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，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”。