Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国矿业大学刘辉获国家专利权

中国矿业大学刘辉获国家专利权

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!

龙图腾网获悉中国矿业大学申请的专利基于子空间学习的m7G与疾病的关联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:CN115705917B

龙图腾网通过国家知识产权局官网在2025-07-15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:202110903743.X,技术领域涉及:G16B40/00;该发明授权基于子空间学习的m7G与疾病的关联预测方法是由刘辉;马佳妮;张林;俞健;陈淑涛;陈祥志设计研发完成,并于2021-08-06向国家知识产权局提交的专利申请。

基于子空间学习的m7G与疾病的关联预测方法在说明书摘要公布了:本发明为基于子空间学习的m7G位点与疾病的关联预测方法,涉及生物信息学研究领域。本发明以m7GDisAI数据库为依托,利用已知的m7G‑疾病关联信息、m7G位点相似性信息和疾病相似性信息,构建m7G‑疾病异构矩阵,降低关联矩阵的稀疏性,明晰m7G位点和疾病的关联模式。本发明建立的基于子空间学习的m7G位点与疾病的关联预测方法意在从结构缺失、关联模式不清晰的高维异构子空间出发,习得体现其统计及结构特性的完备低维子空间,进而恢复不完备的高维关联矩阵,提取潜在的疾病相关m7G位点,为表观转录组层面探究肿瘤发生机制和致病通路提供参考。本发明有望为以m7G修饰位点为靶点的肿瘤治疗策略提供新思路。

本发明授权基于子空间学习的m7G与疾病的关联预测方法在权利要求书中公布了:1.基于子空间学习的m7G与疾病的关联预测方法,用于预测潜在的m7G修饰与疾病之间的关联关系,其特征在于,包括以下步骤: 步骤1:从m7GDisAI数据库中获得m7G-疾病关联矩阵HSD741*177,m7G位点化学相似性矩阵HSS_chemical741*741,m7G位点碱基累计频率CumulativeNucleotideFrequency,CNF相似性矩阵HSS_CNF741*741和疾病相似性矩阵HDD177*177,其中: 步骤2:构建m7G位点综合相似性矩阵HSS: HSS=αHSS_chemical+1-αHSS_CNF,0≤α≤11 其中,α是m7G位点化学相似性和m7G位点碱基累计频率相似性的组合系数, 步骤3:构建m7G-疾病异构矩阵,m7G-疾病关联矩阵的稀疏度很高,难以保证算法的正常求解,同时,高稀疏度使得本身就存在缺失元素的矩阵的关联模式更不清晰,为了明晰关联模式,并保证算法能够正常求解,构建m7G-疾病异构矩阵,如2式所示: HSD T是HSD的转置,m为m7G位点的个数,n为疾病的个数,则m7G-疾病异构矩阵H的维度是m+n*m+n,由2可知,H具有良好的性质,首先,H是一个对称且半正定的矩阵,其奇异值是正实数,等于特征值,且其左奇异向量和右奇异向量相等,等于特征向量,半正定矩阵奇异值和奇异向量的特殊性大大的减少了计算的复杂度,加快了算法运行的速度,其次,m7G-疾病异构矩阵H的稀疏度比关联矩阵HSD小很多,为算法的正常求解提供保证,最后,H中的缺失值只出现在HSD和其转置中,因此可将HSD的填充问题转化为H的填充问题。

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中国矿业大学,其通讯地址为:221116 江苏省徐州市铜山区铜山街道大学路1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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。