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！

龙图腾网获悉内蒙古农业大学申请的专利一种面向啮齿类的生物信息数据处理平台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：CN120183508B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202510644836.3，技术领域涉及：G16B40/00；该发明授权一种面向啮齿类的生物信息数据处理平台是由凌宇;刘青轩;杨海舟;付和平;袁帅设计研发完成，并于2025-05-20向国家知识产权局提交的专利申请。

本一种面向啮齿类的生物信息数据处理平台在说明书摘要公布了：本发明公开了一种面向啮齿类的生物信息数据处理平台，涉及信息数据处理系统技术领域。所述平台包括：数据采集与整合模块，基因分析模块；蛋白质分析模块；代谢组学分析模块：关联关系挖掘模块：用于根据基因分析、蛋白质分析以及代谢组学分析的结果，挖掘基因、蛋白质以及代谢组学与该种类啮齿动物之间的关联关系，并将该关联关系进行可视化展示；用户交互模块：用于提供友好的用户界面，用户通过该界面设置权限管理功能、上传数据、选择分析功能并查看分析结果；数据库模块，用于存储平台接收和产生的数据。所述平台能够整合多种类型啮齿类生物信息，对啮齿类生物信息的处理高效且分析准确。

本发明授权一种面向啮齿类的生物信息数据处理平台在权利要求书中公布了：1.一种面向啮齿类的生物信息数据处理系统，其特征在于包括： 数据采集与整合模块：用于从多个数据源采集啮齿类生物信息数据，包括基因序列数据、蛋白质结构数据和代谢组学数据；通过制定统一的数据格式标准，将不同格式的数据进行转换和整合，存储到数据库模块中； 基因分析模块：用于采用基因序列比对算法实现基因序列比对，并利用机器学习算法对基因的表达模式进行分析，预测基因在不同生理状态下的作用； 蛋白质分析模块：通过基于深度学习的蛋白质结构预测模型，根据蛋白质的氨基酸序列预测其三维结构；利用蛋白质相互作用网络分析算法，构建啮齿类生物蛋白质相互作用网络，获取蛋白质之间的功能关系； 代谢组学分析模块：采用质谱数据解析算法，结合数据库匹配，鉴定出代谢物的种类；通过代谢通路富集分析，确定与特定生理或病理状态相关的代谢通路； 关联关系挖掘模块：根据基因分析、蛋白质分析以及代谢组学分析的结果，挖掘基因、蛋白质以及代谢组学与该种类啮齿动物之间的关联关系，并将该关联关系进行可视化展示； 用户交互模块：用于提供友好的用户界面，用户通过该界面设置权限管理功能、上传数据、选择分析功能并查看分析结果； 数据库模块，用于存储平台接收和产生的数据； 所述代谢组学分析模块的实现方法包括如下步骤： 1代谢物种类鉴定： 质谱数据采集： 通过液相色谱-质谱联用LC-MS，获取啮齿类生物样本的代谢组学质谱数据，代谢组学质谱数据包括代谢物的质荷比和相应的信号强度； 数据预处理： 使用质心法从原始质谱数据中识别出代谢物离子峰的峰，质心法寻找信号强度的局部最大值作为峰的中心，其公式为： ； 其中，是第i个代谢物的质荷比，是第i个代谢物的信号强度，和是峰所在的扫描范围； 使用动态时间规整DTW算法，对获取的峰进行峰对齐，通过Savitzky-Golay滤波算法去除噪声，采用总离子流归一化算法对信号强度进行归一化，使不同样本的数据具有可比性； 数据库匹配： 使用HMDB代谢物数据库作为对比数据库，将预处理后质谱数据中的代谢物质荷比与数据库中已知代谢物的精确质量进行匹配，设定一定的质量误差范围，公式为： ； 其中，是观测到的质荷比，是数据库中代谢物的预期质荷比； 对于能产生碎片离子的代谢物，将观测到的碎片离子模式与数据库中的碎片模式进行匹配，使用相似性度量，其公式为： ； 其中，和是第i个代谢物观测到的碎片离子和数据库中代谢物碎片离子的信号强度； 结合精确质量匹配和碎片离子匹配，为每个代谢物计算一个综合得分，确定最后的匹配结果； 2代谢通路富集分析： 使用KEGG代谢通路数据库作为对比数据库，将鉴定出的代谢物列表作为输入，同时获取每个代谢物在不同样本中的相对丰度信息； 设总体代谢物集合为，其中属于某一通路的代谢物有个，在鉴定出的代谢物集合中共有个，属于该通路的有个，使用超几何分布公式计算富集显著性： ； 表示在给定的总体中，随机抽取个代谢物，其中包含个或更多属于该通路代谢物的概率，值越小，表明该通路富集越显著； 计算代谢物在不同生理或病理状态下的相对丰度变化，公式为： ； 结合值和值，筛选出显著变化且富集的代谢通路； 根据富集的代谢通路，结合生物学知识，获得这些代谢通路在特定生理或病理状态下的功能意义； 所述基因分析模块的处理方法包括如下步骤： 1基因序列比对： 从数据库模块中获取待比对的基因序列数据，包括查询序列和参考序列，为参考序列建立索引；将查询序列分成种子片段，并根据啮齿类生物基因的序列特征，调整种子的长度和位置，在索引中查找匹配的种子，对找到的种子匹配，进行双向扩展比对，使用针对啮齿类生物基因的计分矩阵计算比对得分，根据设定的阈值确定是否为有效比对，采用贪心算法或动态规划算法，对匹配片段进行合并和优化，得到最终的序列比对结果； 2基因表达模式分析： 特征选择与提取：从基因表达数据中提取特征，用于机器学习模型的训练和预测，所述特征包括基因的表达水平、表达变化倍数和不同样本间的差异； 机器学习模型的构建与训练：使用支持向量机SVM作为机器学习模型，将标记好的特征数据集分为训练集和测试集，并使用训练集和测试集对机器学习模型进行训练，通过优化模型的核函数并调整模型的超参数，使模型在训练集上达到最优性能； 预测与评估：将待预测的基因表达特征输入到训练好的机器学习模型，得到基因在不同生理状态下的作用预测结果。

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内蒙古农业大学，其通讯地址为：010010 内蒙古自治区呼和浩特市赛罕区昭乌达路306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”。

以上内容由龙图腾AI智能生成。