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！

龙图腾网获悉安徽大学申请的专利一种基于多源迁移学习的噬菌体启动子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：CN114121145B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202111421890.X，技术领域涉及：G16B5/00；该发明授权一种基于多源迁移学习的噬菌体启动子预测方法是由夏俊峰;张俊寅;宾艳南设计研发完成，并于2021-11-26向国家知识产权局提交的专利申请。

本一种基于多源迁移学习的噬菌体启动子预测方法在说明书摘要公布了：本发明公开了一种基于多源迁移学习的噬菌体启动子预测方法，包括以下步骤：数据集构建：收集目标域和多源域正样本，对不同域正样本使用组间打乱方法进行重构，得到相应目标域和多源域负样本，最终得到正负样本比例平衡的目标域和多源域数据集；多源迁移学习模型构建：包括数据预处理、特征提取、特征对齐和目标分类四个功能模块；模型训练：将数据集划分为训练集和验证集，训练集用于对模型进行构建与训练，验证集用于模型参数调整，获取最优的模型；模型预测。本发明对小样本数据采用多源迁移学习的方式，以构建最优的模型对噬菌体启动子进行预测与分类，提高了预测效果，为后续噬菌体启动子预测和其他调控元件的预测发展做出了贡献。

本发明授权一种基于多源迁移学习的噬菌体启动子预测方法在权利要求书中公布了：1.一种基于多源迁移学习的噬菌体启动子预测方法，其特征在于，包括以下步骤： 1数据集构建：收集目标域和多源域正样本，对不同域正样本使用组间打乱方法进行重构，得到相应的目标域和多源域负样本，最终得到正负样本比例平衡的目标域和多源域数据集； 步骤1中所述组间打乱方法的具体步骤如下： S1.将正样本分割为多个片段，每个片段的长度为k，如果序列长度不能被k整除，最后一个片段的长度是启动子序列长度除以k的余数； S2.对每一条正样本产生的片段进行排列组合，得到一个新的序列，通过使用生物信息学工具Biopython的globalxx函数计算新序列与原序列相似度，如果新序列与原序列相似度大于等于0.7，则再一次对片段进行排列组合操作，直至产生的序列与原序列相似度小于0.7为止； 2多源迁移学习模型构建：多源迁移学习模型包括数据预处理、特征提取、特征对齐和目标分类四个功能模块，每个功能模块的具体功能如下： 数据预处理：将目标域和多源域数据集中核苷酸序列数据转换为输入到特征提取器中的数字化数据； 特征提取：使用特征提取器获取目标域和多源域数据的特征； 步骤2中所述特征对齐时，计算目标域特征和多源域特征之间距离的公式为： ； 式中，表示第k个源域数据集中第i个数据的特征向量，表示目标域数据集中第j个数据的特征向量，表示Frobenius范式，即计算相同位置元素的平方和再开方； 特征对齐：计算目标域和多源域特征之间的距离，通过最小化目标域和多源域中相同类别数据的距离以及最大化目标域和多源域中不同类别数据的距离，将多源域数据的知识迁移到目标域数据； 目标分类：使用分类器对目标域和多源域特征数据进行分类； 3多源迁移学习模型训练：将目标域和多源域数据集按照五折交叉验证的方式划分训练集和验证集，训练集用于对多源域迁移学习模型进行构建与训练，验证集用于进行模型的参数调整，最终获取最优的模型； 4预测：将外部测试集输入到训练完成的多源迁移学习模型中进行预测，获得其为噬菌体启动子的概率值。

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安徽大学，其通讯地址为：230000 安徽省合肥市九龙路111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。