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！

龙图腾网获悉上海交通大学申请的专利一种基于多任务深度学习的RBP结合位点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：CN114093419B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202111393944.6，技术领域涉及：G16B20/30；该发明授权一种基于多任务深度学习的RBP结合位点预测方法是由董正心;潘小勇;沈红斌设计研发完成，并于2021-11-23向国家知识产权局提交的专利申请。

本一种基于多任务深度学习的RBP结合位点预测方法在说明书摘要公布了：本发明公开了一种基于多任务深度学习的RBP结合位点预测方法，解决了单任务学习在样本少时不能充分训练的问题，其技术方案要点是通过先构建适用于多任务学习模型的去耦合数据集，再接收输入的多种RBP结合位点的RNA序列样本并进行编码，使用特征共享网络和任务特异性网络建立多任务深度学习网络框架并进行交替训练，将编码后获得的特征矩阵输入特征共享网络，采用特征共享网络中的一维卷积神经算法和长短时记忆算法进行降维，采用任务特异性分类网络中的多层感知机对样本进行分类预测，得到分类概率结果，本发明的一种基于多任务深度学习的RBP结合位点预测方法，能弥补样本少的不足，提升分类算法的鲁棒性，提高预测精度。

本发明授权一种基于多任务深度学习的RBP结合位点预测方法在权利要求书中公布了：1.一种基于多任务深度学习的RBP结合位点预测方法，其特征是，包括有以下步骤： S1、构建适用于多任务学习模型的去耦合数据集； S2、接收输入的多种RBP结合位点的RNA序列样本，并对输入的RNA序列进行编码，得到单个样本的特征矩阵，使用特征共享网络和任务特异性网络建立多任务深度学习网络框架并进行交替训练，步骤S2具体包括有： 使用one-hot编码方式对输入的RNA序列进行编码，得到单个样本的特征矩阵RM×N，其中M为单个样本序列长度，即包含的碱基个数，N为one-hot编码后的向量维度，具体编码为A:[0,0,0,1] C:[0,0,1,0] G:[0,1,0,0] U:[1,0,0,0] 其中A为腺嘌呤，C为胞嘧啶，G为鸟嘌呤，U为尿嘧啶，是组成RNA序列的四种碱基； 使用特征共享网络和任务特异性网络建立多任务深度学习网络框架； 多种RBP结合位点分类预测任务在同一次训练中，每个任务都先经过特征共享网络，再单独经过针对该任务的任务特异性分类网络，在每个任务得到分类预测结果后对特征共享网络和其对应的任务特异性分类网络更新一次； S3、将编码后的特征矩阵输入特征共享网络，采用特征共享网络中的一维卷积神经算法和长短时记忆算法进行降维，提取共享的序列特征矩阵； S4、采用任务特异性分类网络中的多层感知机对样本进行分类预测，得到分类概率结果。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。