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！

龙图腾网获悉广东省农业科学院水稻研究所申请的专利一种植物表型多组学预测方法及系统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：CN118983005B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202411063176.1，技术领域涉及：G16B20/30；该发明授权一种植物表型多组学预测方法及系统是由刘琦;徐智;赵龙阳;汤萍;彭歆;沈梦圆;赵俊良;黄璐设计研发完成，并于2024-08-05向国家知识产权局提交的专利申请。

本一种植物表型多组学预测方法及系统在说明书摘要公布了：本发明公开了一种植物表型多组学预测方法，包括：构建包括转录组预测模块、第一输出模块、基因组预测模块、第二输出模块和综合训练模块的多组学表型预测模型；获取植物的SNP数据和基因表达数据并进行预处理，对应得到SNP特征和基因表达特征；将基因表达特征输入至转录组预测模块，得到转录组数据特征；将转录组数据特征输入至第一输出模块，得到第一预测表型；将SNP特征输入至基因组预测模块，得到基因组数据特征；将基因组数据特征输入至第二输出模块，得到第二预测表型；将转录组数据特征和基因组数据特征连接后输入至综合训练模块，得到第三预测表型。结合基因网络和深度学习的方法有望克服现有方法的局限，进一步提升植物表型预测精度。

本发明授权一种植物表型多组学预测方法及系统在权利要求书中公布了：1.一种植物表型多组学预测方法，其特征在于，包括：构建包括转录组预测模块、第一输出模块、基因组预测模块、第二输出模块和综合训练模块的多组学表型预测模型；获取植物所选基因的SNP数据和基因表达数据；基于所述SNP数据和基因表达数据得到基因网络文件；基于所述SNP数据提取预设维度的特征，得到提取特征；基于线性拟合特征选择方法对所述提取特征进行排序；基于排序结果选取前预设数量的提取特征作为关键特征；基于所述关键特征筛选得到基因区域的所述SNP特征；基于所述基因表达数据得到对应的所述基因表达特征；将所述基因表达特征输入至所述转录组预测模块，得到转录组数据特征；所述转录组预测模块，包括：第一扩展图卷积层、第一激活层、第二扩展图卷积层、第二激活层、第一全连接层和第三激活层；基于所述基因网络文件生成邻接矩阵；基于所述邻接矩阵建立所述第一扩展图卷积层和所述第二扩展图卷积层的网络结构；第一扩展图卷积层基于GCN算法运算，基于基因直接特征信息、间接特征信息及自身特征信息加权平均并输出；第二扩展图卷积层基于基因直接关联得到的特征信息及自身特征信息加权平均进行输出；所述基因表达特征依次输入至所述第一扩展图卷积层和所述第一激活层进行处理，得到增强特征；所述增强特征依次输入至所述第二扩展图卷积层和所述第二激活层进行处理，得到直接关联特征；所述直接关联特征依次输入至所述第一全连接层和所述第三激活层进行处理，得到所述转录组数据特征；所述第一输出模块，包括：第二全连接层和第四激活层；所述转录组数据特征依次输入至所述第二全连接层和所述第四激活层进行处理，得到所述第一预测表型；将所述SNP特征输入至所述基因组预测模块，得到基因组数据特征；所述基因组预测模块，包括：稀疏层、第五激活层、第三全连接层和第六激活层；基于所选基因和所述SNP特征的关联信息生成稀疏矩阵，基于所述稀疏矩阵确定所述稀疏层的网络结构；将所述SNP特征依次输入至所述稀疏层和所述第五激活层进行处理，得到特定基因数据；将所述特定基因数据依次输入至所述第三全连接层和所述第六激活层进行处理，得到所述基因组数据特征；所述第二输出模块，包括：第四全连接层和第七激活层；所述基因组数据特征依次输入至所述第四全连接层和所述第七激活层进行处理，得到所述第二预测表型；将所述转录组数据特征和所述基因组数据特征连接后输入至所述综合训练模块，得到第三预测表型；所述综合训练模块，包括：归一化层、第五全连接层和第八激活层；所述转录组数据特征和所述基因组数据特征分别输入至所述归一化层进行处理，得到统一分布特征；将所述统一分布特征依次输入至所述第五全连接层和所述第八激活层进行处理，得到所述第三预测表型。

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广东省农业科学院水稻研究所，其通讯地址为：510000 广东省广州市天河区金颖东一街3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”。