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！

龙图腾网获悉北京师范大学申请的专利基于基因特征的发育动态表达模式预测方法、模型、系统及数据库结构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：CN120636531B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202510729680.9，技术领域涉及：G16B25/10；该发明授权基于基因特征的发育动态表达模式预测方法、模型、系统及数据库结构是由张凡凡;韩生成;郑凯峰设计研发完成，并于2025-06-03向国家知识产权局提交的专利申请。

本基于基因特征的发育动态表达模式预测方法、模型、系统及数据库结构在说明书摘要公布了：本发明公开了基于基因特征的发育动态表达模式预测方法、模型、系统及数据库结构，涉及生物信息与人工智能交叉技术领域，包括：确定待检测发育动态表达模式的基因集合；获取待检测基因的多维基因特征信息；将多维基因特征信息输入至发育动态表达模式预测模型中，输出与目标基因相对应的发育动态模式。本发明大幅拓展了基因表达相关模型中训练数据涉及的物种范围，创新性地利用多维基因特征，快速、高效、低成本地预测了基因在生物组织或器官发育中的动态表达模式。

本发明授权基于基因特征的发育动态表达模式预测方法、模型、系统及数据库结构在权利要求书中公布了：1.一种基于基因特征的发育动态表达模式预测方法，其特征在于，包括以下步骤： S1、确定待检测发育动态表达模式的基因集合； S2、获取待检测基因集合的多维基因特征信息； S3、将多维基因特征信息输入至发育动态表达模式预测模型中，输出与目标基因相对应的发育动态模式，其中，发育动态表达模式预测模型是根据带有基因动态表达模式标签的多维基因特征信息数据矩阵训练得到的，基因动态表达模式标签是根据训练样本的组织或器官发育进程的基因表达矩阵确定的； 所述发育动态表达模式预测模型构建涉及的操作包括： E1：代表物种器官发育进程的基因表达矩阵获取； E2：基因发育动态表达模式标签的获取； E3：全基因组的多维基因特征信息获取； E4：发育动态表达模式预测模型的训练方法； E5：发育动态表达模式预测模型的构建策略； 操作E1包括： E1.1：获取代表物种的组织或器官发育进程的转录组测序数据； E1.2：过滤低质量测序数据，保留高质量测序数据； E1.3：获取代表物种的基因组数据； E1.4：基于基因组数据，拼接代表物种的转录组，完成组织或器官发育的转录组组装； E1.5：对基因及其转录本的表达进行定量分析，生成器官发育进程的基因表达矩阵； 操作E4包括： E4.1：将每个基因的动态表达模式与其各自的基因特征相对应，形成带有基因动态表达模式标签的多维基因特征信息的数据矩阵； E4.2：将数据矩阵随机划分为训练集和验证集，其中训练集占80%，验证集占20%，采用网格搜索法进行超参数调优，以获取当前条件下的最优超参数配置； E4.3：根据基因在发育进程中的表达模式，将“非发育动态”基因和“发育动态”基因映射为两类标签，在最优超参数配置下训练模型； E4.4：监控训练误差和验证误差，并绘制误差损失曲线，采用早停法确定最优训练轮数，以避免模型过拟合，保存训练完成的预测模型； E4.5：评估各特征对发育动态表达模式的贡献度； E4.6：将测试集数据输入至发育动态表达模式预测模型中，模型对输入特征进行映射校准，以确保输入特征的顺序与模型预先训练的顺序一致； E4.7：对于测试集中的每个基因，模型遍历已训练的决策树集合，结合学习率缩放，获取所有树的预测值的累积分数； E4.8：将累积分数转化为概率值，以默认阈值0.5确定基因表达是否为发育动态，计算混淆矩阵与ROC曲线下面积AUC，并绘制ROC曲线； E4.9：考虑到默认阈值并非划分基因表达动态的最佳阈值，通过绘制敏感性和特异性曲线，并以两者的交点作为最佳阈值，以优化模型的敏感性和特异性，重新计算混淆矩阵与ROC曲线下面积，并绘制优化后的ROC曲线。

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北京师范大学，其通讯地址为：100875 北京市海淀区新街口外大街19号北京师范大学；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。