一种基于深度学习的双神经网络结构预测lncRNA－蛋白质...
授权
摘要
本发明涉及一种基于深度学习的双神经网络结构预测lncRNA－蛋白质相互作用方法。首先，LPI特征提取：先获取已知的lncRNA序列、蛋白质序列，分别用Pyfeat和BioTriangle提取lncRNA和蛋白质的特征；然后，特征降维：基于主成分分析(PCA)分别对lncRNA和蛋白质原始特征进行降维，在降维之后将这些特征连接成一个向量；其次，建立LPI预测框架模型：建立由FIR网络和MLP网络组成的双神经网络结构的深度学习模型；最后，利用双神经网络结构对未知lncRNA‑蛋白质对进行分类。本发明比利用实验手段探测大规模的lncRNA‑蛋白质交互作用耗时更少，费用更低，可以实现对多个数据集进行训练和测试，预测偏差小，预测性能好，预测结果准确，并可以用于寻找新的lncRNA‑蛋白质关联对。
基本信息
专利标题 ：
一种基于深度学习的双神经网络结构预测lncRNA－蛋白质相互作用方法
专利标题（英）：
暂无
公开（公告）号 ：
CN113313167A
申请号 ：
CN202110592443.4
公开（公告）日 ：
2021-08-27
申请日 ：
2021-05-28
授权号 ：
CN113313167B
授权日 ：
2022-05-31
发明人 ：
彭利红王畅周立前田雄飞
申请人 ：
湖南工业大学
申请人地址 ：
湖南省株洲市天元区泰山路88号
代理机构 ：
广州粤高专利商标代理有限公司
代理人 ：
杨千寻
优先权 ：
CN202110592443.4
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06N3/04 G06N3/08 G16B5/00 G16B40/00
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-05-31 ：
授权
2021-09-14 ：
实质审查的生效
IPC(主分类) : G06K 9/62
申请日 : 20210528
申请日 : 20210528
2021-08-27 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
