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！

龙图腾网获悉吉林大学申请的专利基于深度学习的mlncs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：CN116884486B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202310889896.2，技术领域涉及：G16B20/50；该发明授权基于深度学习的mlncs预测方法是由李瑛;方文思;孙航;赵家宁;孙睿涵设计研发完成，并于2023-07-19向国家知识产权局提交的专利申请。

本基于深度学习的mlncs预测方法在说明书摘要公布了：本发明适用于生物信息学领域，提供了基于深度学习的mlncs预测方法，该方法包括以下步骤：步骤1：结合计算方法与深度学习方法构建mlncs正样本集；步骤2：基于SURE强化学习模型，更改输入特征，构建mlncs负样本集；步骤3：利用胶囊网络作为mlncs预测模型，并用构建好的mlncs正样本集和mlncs负样本集进行训练，本发明不需要蛋白质与lncRNA的互作信息，只需要lncRNA的序列信息即可实现预测，通过计算方法、深度学习方法和强化学习方法为mlncs预测工作构建了可靠的正负样本集。

本发明授权基于深度学习的mlncs预测方法在权利要求书中公布了：1.基于深度学习的mlncs预测方法，其特征在于，该方法包括以下步骤： 步骤1：结合计算方法与深度学习方法构建mlncs正样本集； 步骤2：基于SURE强化学习模型，更改输入特征，构建mlncs负样本集； 步骤3：利用胶囊网络作为mlncs预测模型，并用构建好的mlncs正样本集和mlncs负样本集进行训练； 在步骤2中，mlncs负样本筛选模型由负样本筛选器和负样本监督器组成，在强化学习模型训练完成之后，负样本筛选器将拥有从无标签样本中筛选出可靠负样本的能力，将mlncs的无标签样本输入训练好的负样本筛选器，完成对mlncs负样本集的构建； 负样本筛选器包含三个强化学习元素：状态、动作和策略网络； 其中状态为样本i的特征表示，动作属于{0,1}是负样本筛选器对样本i的决策，=0意味着负样本筛选器将样本i视为负样本，ai=1意味着负样本筛选器将样本i视为正样本，策略网络是一个由胶囊网络构建的二分类器，其中为训练过程中需要通过反向传播更新的参数； 在步骤3中，提取lncRNA的序列特征、motif特征、物理化学特征和二级结构特征；每种特征输入至不同的由全连接层构成的特征学习子网，进行高层特征的抽取和维度的统一；特征学习子网输出的高层特征向量组成胶囊，并通过变换矩阵将其投射入相同的高维预测空间；将不同胶囊相加得到新的胶囊，并通过squashing激活函数将向量长度压缩至0-1之间；如果输出向量长度大于0.5，则输入的lncRNA被预测为mlncs；如果输出向量长度小于0.5，则输入的lncRNA被预测为非mlncs。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。