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！

龙图腾网获悉长沙学院申请的专利疾病呼吸标志物的筛选方法、装置及终端设备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：CN115575523B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202211115953.3，技术领域涉及：G16B40/20；该发明授权疾病呼吸标志物的筛选方法、装置及终端设备是由邹莹畅;胡放荣;朱铭扬;蒋国保;周远;陈英;刘莉;葛梦瑜;李宁;易宇轩设计研发完成，并于2022-09-14向国家知识产权局提交的专利申请。

本疾病呼吸标志物的筛选方法、装置及终端设备在说明书摘要公布了：本申请适用于计算机应用技术领域，提供了一种疾病呼吸标志物的筛选方法，包括：根据每个呼出气体的采集和检测参数、对应采样对象的信息之间的相似性确定样本数据集对应的样本相似性网络，之后根据每个呼出气体的呼吸指纹确定各呼出气体包含的VOCs对应的VOCs表达谱，再根据每个VOCs表达谱确定VOCs中包括的候选呼吸标志物及候选呼吸标志物对应的VOCs相似性网络，最后根据样本相似性网络与VOCs相似性网络筛选出与疾病相关的目标呼吸标志物。由此，通过构建样本相似性网络和VOCs相似性网络，引入样本之间的实验条件及采样对象差异性信息，以及VOCs之间的生理病理学相关性信息，提升了疾病呼吸标志物筛选的准确性。

本发明授权疾病呼吸标志物的筛选方法、装置及终端设备在权利要求书中公布了：1.一种疾病呼吸标志物的筛选方法，其特征在于，包括： 获取呼出气体对应的样本数据集，其中，所述样本数据集中包括多个呼出气体对应的呼吸指纹、采样参数及所述呼出气体对应的采样对象信息，所述采样对象信息中包括真实疾病分型； 根据每个所述呼出气体对应的采样参数及每个所述呼出气体对应的采样对象信息，确定每个所述呼出气体对应的特征序列，其中，所述呼出气体对应的特征序列，用于表征所述呼出气体对应的采样参数与采样对象信息的特征，所述呼出气体对应的特征序列是将所述呼出气体对应的采样参数与采样对象信息进行组合生成的； 根据各个所述呼出气体对应的特征序列之间的相似度，确定所述样本数据集对应的样本相似性网络； 根据每个所述呼出气体对应的呼吸指纹，确定各个所述呼出气体包含的挥发性有机化合物VOCs对应的表达谱，其中，所述VOCs对应的表达谱是根据所述样本数据集中的所有所述呼吸指纹中的VOCs含量生成的，若各个所述呼吸指纹中共涉及n个VOCs，则第i个所述VOCs对应的表达谱中包含第i个所述VOCs分别在各个所述呼吸指纹中的含量，n为大于或等于1的整数，i为大于或等于1且小于或等于n的整数； 根据每个所述VOCs相关的代谢通路及每个所述代谢通路相关的酶列表，确定每个所述VOCs对应的酶网络； 采用人工神经网络根据每个所述VOCs对应的表达谱与酶网络，对每个所述VOCs进行一次聚类，以确定每个所述VOCs对应的聚类中心； 从京都基因与基因组百科全书KEGG数据库中获取与所述疾病的每个疾病分型的靶基因相关的基因转录通路； 对各个所述疾病分型对应的基因转录通路进行富集分析，以确定各个所述疾病分型对应的基因转录通路是否与每个所述VOCs对应的代谢通路之间存在关联； 在所述VOCs对应的代谢通路与任一疾病分型对应的基因转录通路存在关联的情况下，则确定所述VOCs与所述任一疾病分型存在关联性，并保留所述VOCs并增大所述VOCs对应的聚类中心的权重，以进行下一次的聚类； 在所述VOCs对应的代谢通路与各个所述疾病分型对应的基因转录通路均不存在关联的情况下，则去除所述VOCs； 根据调整后的各个所述聚类中心的权重调整所述聚类模型的参数，并采用调整后的聚类模型继续对剩余的所述VOCs进行聚类，直至各个所述聚类中心对应的所述VOCs都与任一所述疾病分型对应的基因转录通路匹配，则确定完成对所述VOCs的聚类过程，并将最后筛选出的各个所述VOCs确定为候选呼吸标志物，并将与各个所述候选呼吸标志物对应的聚类中心关联的所述疾病分型，分别确定为各个所述候选呼吸标志位对应的疾病分型，其中，每个所述聚类中心对应一种疾病分型； 根据每个所述候选呼吸标志物对应的聚类中心之间的距离，确定所述候选呼吸标志物对应的VOCs相似性网络，其中，所述VOCs相似性网络是利用所有所述候选呼吸标志物两两之间的相似性构成的； 根据每个所述呼出气体中包含的所述候选呼吸标志物，确定所述样本数据集与所述候选呼吸标志物之间的关系矩阵，其中，所述关系矩阵用于表征所述样本数据集与所述候选呼吸标志物之间相关性； 将所述样本数据集中的各个呼出气体划分为训练样本与预测样本； 根据每个所述训练样本对应的所述真实疾病分型、各个所述候选呼吸标志物对应的疾病分型及每个所述训练样本在所述样本数据集中的序号，分别确定每个所述训练样本对应的第一有效性向量，其中，所述第一有效性向量用于表示与所述训练样本对应的真实疾病分型相关的各个候选呼吸标志物及所述训练样本在所述样本数据集中的序号； 根据每个所述预测样本在所述样本数据集中的序号，分别确定每个所述预测样本对应的初始有效性向量； 利用预设的标签传播算法，对所述样本相似性网络、所述VOCs相似性网络、所述关系矩阵、各个所述第一有效性向量及各个所述初始有效性向量进行处理，以确定每个所述预测样本对应的预测有效性向量，其中，所述预测有效性向量用于表示与所述预测样本的预测疾病分型相关的各个所述候选呼吸标志物及所述预测样本在所述样本数据集中的序号； 根据每个所述预测样本对应的预测有效性向量，确定每个所述预测样本对应的预测疾病分型； 根据每个所述预测样本对应的预测疾病分型与真实疾病分型之间的匹配度，从所述候选呼吸标志物中确定与各个所述疾病分型相关的目标呼吸标志物。

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长沙学院，其通讯地址为：410000 湖南省长沙市开福区洪山路98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。