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！

龙图腾网获悉湖州师范学院申请的专利一种基于深度学习预测长非编码RNA的亚细胞定位的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：CN116417066B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202310266369.6，技术领域涉及：G16B30/00；该发明授权一种基于深度学习预测长非编码RNA的亚细胞定位的方法是由李重;王凯;胡海龙;王霄一设计研发完成，并于2023-03-13向国家知识产权局提交的专利申请。

本一种基于深度学习预测长非编码RNA的亚细胞定位的方法在说明书摘要公布了：本发明提供了一种基于深度学习预测长非编码RNA的亚细胞定位的方法，用于解决背景技术中提出的现有的对lncRNA亚细胞定位的预测器在Cytoplasm、Nucleus、Exosome、Ribosome和Cytoso的五种亚细胞定位中，预测准确度不高，在测试集上对每个类别的精度、召回率和F‑measure的检测结果较差的技术问题。本发明公开了一种基于深度学习预测长非编码RNA的亚细胞定位的方法，包括1构建一个基准数据集；2使用独热编码拼接每个核苷酸的电子‑离子相互作用电位EIIP和核苷酸的化学性质NCP作为输入特征；提供了一种新的对lncRNA亚细胞定位的预测器，提高了预测准确度。

本发明授权一种基于深度学习预测长非编码RNA的亚细胞定位的方法在权利要求书中公布了：1.一种基于深度学习预测长非编码RNA的亚细胞定位的方法，其特征在于，包括： 1构建一个基准数据集； 2使用独热编码拼接每个核苷酸的电子-离子相互作用电位EIIP和核苷酸的化学性质NCP作为输入特征； 3构建网络架构对lncRNA进行处理；步骤3的具体过程为： 一、使用一维卷积的操作替换常用的k-mer；步骤一的具体过程为：输入CNN1D-Maxpooling的特征维度为batch*L*8，调换了输入序列的后两个维度，形状变为batch*8*L；进行了三次CNN+Maxpooling的操作，这三次的kernel均设置为3和5；在第一次操作中将CNN的过滤器数量设置为64，经过第一次卷积操作后特征维度转变为batch*64*L-kernel+1，接着对其进行自适应最大池化操作，特征维度转变为batch*64*512；在第二次操作中将过滤器数量设置为64，再将自适应池化后的最后一维的维度设置为256，因此特征维度转变为batch*64*256；在进行第三次操作中，将过滤器数量设置为32，自适应池化维度设置为128，最终两种大小的kennel的维度均为batch*32*128；将第二维和第三维进行调换，从而进行后续的训练，特征维度变为batch*128*32； 二、使用long-shortTransformer框架以及Bi-LSTM框架来处理序列信息；步骤二的具体过程为：使用Transformer-LS的Attention机制；将经过CNN-Maxpooling模块的特征到LongShortAttention和BiLSTM中；设置LongShortAttention的注意力头数量为6个；将attention的dropout设置为0.65；通过控制将Short-TermAttention的窗口w设置为128；将Long-TermAttention的投影维度r设置为4，也就是将128的特征长度投影至更低的维度4；设置BiLSTM的隐藏层大小为16；将dropout设置为0.5；将LongShortAttention输出的矩阵与BiLSTM输出的矩阵进行拼接操作，即将LongShortAttention特征B*128*32和BiLSTM的特征B*128*16*2拼接成B*128*64，从而实现特征的整合； 三、使用TXTCNN来降低序列信息的维度；步骤三的具体过程为：用L*D来表示的矩阵来表示整个序列；lncRNA序列的表示看成是一维图像，宽度为D，高度为1，通道为L；TextCNN使用三个卷积核sizes＝1，3，5来再次聚合长距离的核苷酸特征，再使用最大池化操作获得整条序列上最显著的特征；将最大池化层输出的向量拼接起来，作为具有SoftMax函数的全连接层的输入，以执行最终预测； 4通过全连接网络输出预测信息。

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湖州师范学院，其通讯地址为：313000 浙江省湖州市吴兴区二环东路759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。