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！

龙图腾网获悉安徽农业大学申请的专利融合迁移学习与可解释机制的性状遗传变异位点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：CN120895090B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202511441071.X，技术领域涉及：G16B20/20；该发明授权融合迁移学习与可解释机制的性状遗传变异位点预测方法是由高乐;高羽佳;岳振宇;王猛;蔡梦杰;谢施平设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本融合迁移学习与可解释机制的性状遗传变异位点预测方法在说明书摘要公布了：本申请提供了融合迁移学习与可解释机制的性状遗传变异位点预测方法，包括：基于双通道特征编码策略从DNA序列中提取多维特征，构建序列特征的张量结构；构建用于建模SNP与性状间复杂关系的深度学习网络模型，在深度学习网络模型中，采用多层卷积、三域分段式位置感知注意力机制提取张量结构的多尺度特征，对多尺度特征进行特征整合和表型预测；利用多物种多性状信息对深度学习网络模型进行预训练、微调和融合，得到最终模型；在最终模型的基础上引入解释性机制，对SNP突变的个体样本分别进行突变型构建，将样本组输入自有微调后模型，构建四维评价体系评估碱基对预测结果的影响。本申请能够捕获全局的基因组信息，预测准确率高。

本发明授权融合迁移学习与可解释机制的性状遗传变异位点预测方法在权利要求书中公布了：1.融合迁移学习与可解释机制的性状遗传变异位点预测方法，其特征在于； 包括以下步骤： 基于双通道特征编码策略从DNA序列中提取多维特征，构建序列特征的张量结构；其中，所述多维特征包括DNAshape结构编码特征和One-hot编码特征，并在One-hot编码特征融入数量性状基因座的生物学先验知识； 构建用于建模SNP与性状间复杂关系的深度学习网络模型，在深度学习网络模型中，采用多层卷积、三域分段式位置感知注意力机制提取张量结构的多尺度特征，对多尺度特征进行特征整合和表型预测； 利用多物种多性状信息对深度学习网络模型进行预训练、微调和融合；其中，预训练阶段包括多物种多性状预训练和单物种全性状预训练，分别生成多物种预训练模型和单物种预训练模型；微调阶段采用参数冻结策略，使编码器中的卷积层和注意力层参数保持不变，针对预训练阶段生成的两个模型，仅重新训练全连接层，生成用于跨物种预测的多物种表型预测模型FT-MSP和物种内预测的微调模型FT；在融合阶段，将FT-MSP模型和FT模型的第一层卷积层权重进行融合，重新训练剩余卷积层和全连接层，得到用于识别与目标性状关联的关键候选SNP位点的最终模型； 在最终模型的基础上引入解释性机制，对SNP突变的个体样本分别进行突变型构建，将样本组输入自有微调后模型，构建四维评价体系评估碱基对预测结果的影响。

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农业大学，其通讯地址为：230036 安徽省合肥市蜀山区长江西路130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。