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！

龙图腾网获悉太原理工大学申请的专利一种基于正交最小二乘法与元分析的基因特征选择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：CN119964640B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510016664.5，技术领域涉及：G16B25/10；该发明授权一种基于正交最小二乘法与元分析的基因特征选择方法是由王赛;王慧雯设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本一种基于正交最小二乘法与元分析的基因特征选择方法在说明书摘要公布了：本发明属于生物信息技术领域，具体涉及一种基于正交最小二乘法与元分析的基因特征选择方法，包括下列步骤：建立基于正交最小二乘法的快速特征选择模型，将最小二乘的优化问题转为求解正交二乘的优化问题，利用效应量分别选择每个数据集的特征，作为次级学习机的特征候选集；建立基于模拟退火的元分析特征优化模型，通过计算效应量的方差来获得每个数据集的权重，最终确定T个最优的潜在生物标志物，从而对癌症进行分类。本发明首先用初级学习机分别选择每个数据集的特征保证模型的可解释性，再用次级学习机对候选基因进行筛选，保证模型的准确性和稳定性，提高了癌症分类的准确性和特征选择的有效性。

本发明授权一种基于正交最小二乘法与元分析的基因特征选择方法在权利要求书中公布了：1.一种基于正交最小二乘法与元分析的基因特征选择方法，其特征在于，包括下列步骤： S1、获取D个癌症基因表达数据集，并对数据进行标准化； S2、建立基于正交最小二乘法的快速特征选择模型，将最小二乘的优化问题转为求解正交二乘的优化问题，利用效应量分别选择每个数据集的特征，作为次级学习机的特征候选集； 所述S2中利用效应量分别选择每个数据集的特征的方法为： S2.1、将矩阵X中心化为XC，将向量y中心化为yC； S2.2、将矩阵X分成Xs,Xr，其中Xs代表已经被选择的特征，Xs=（xs1,...,xst，Xr代表剩余的特征，Xr=（xr1,...,xrk），这里t表示已被选择的特征数量，k表示剩余特征的数量；中心化后的矩阵XC也分成（XCs，XCr），其中XCs=xCs1,...,xCst,XCr=xCr1,...,xCrk； S2.3、如果没有特征被选中（t=0），令QCr=XCr，即qCri=XCri,i=1,...,k，这里QCr是XCr为列满秩时QR分解后得出的，XCr=Qcr·R，其中R是一个M×M的可逆上三角矩阵，如果t不为零，将XCs正交化为QCs，这里QCs=（qCs1,...,qCst）而且=0，i≠i'，然后再将XCr正交化为QCr，QCr=（qCr1,...,qCrk，由于qCri与QCs是正交的，而不与QCr正交，通过Gram-Schmidt正交化得到qCri的值； S2.4、计算样本相关系数r的平方：，i=1,...,k，其中表示效应量； 所述S2.4中效应量的计算公式为：其中：是响应变量y中心化后yC第i'列向量的转置；是特征变量X未被选择的特征中心化后XCr为列满秩时QR分解后得出矩阵第i列向量的转置；是响应变量y中心化后yC第i'列的向量；是特征变量X未被选择的特征中心化后XCr为列满秩时QR分解后得出矩阵第i列的向量； S2.5、找到使r最大时对应的i，即，随后将从Xr去掉并移到Xs中，相应地k=k-1,t=t+1； 重复S2.1至S2.5，直到t==T； S3、建立基于模拟退火的元分析特征优化模型，通过计算效应量的方差来获得每个数据集的权重，最终确定T个最优的潜在生物标志物； S4、根据ROC曲线确定分割点，对癌症基因表达数据集进行二分类。

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太原理工大学，其通讯地址为：030024 山西省太原市迎泽大街79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。