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！

申请/专利权人：兰州理工大学

摘要：基于多目标粒子群优化的circRNA与特定临床表现关联识别方法，结合改进的多目标粒子群优化算法和节点邻居类型序列特征来预测circRNA‑特定临床表现关联。首先，利用circRNA和特定临床表现的相似性，通过跳跃和停留策略的随机游动异构图获取均衡的节点序列，并用word2vec获取节点邻居向量，获得初步的circRNA和特定临床表现嵌入。然后，使用改进的多目标粒子群优化算法MOPSO迭代搜索最优模型参数，确保模型的收敛性和Pareto前沿解的多样性。最后，将优化参数作为图注意网络的输入，进一步更新模型嵌入，将circRNA‑特定临床表现关联问题转化为图上的链接预测问题。结果显示，该方法性能优于其他方法，且预测的circRNA与特定临床表现关联关系通过案例研究验证，展示了其在生物医学中的潜力。

主权项：1.基于多目标粒子群优化的circRNA与特定临床表现关联识别方法，首先进行数据预处理使用circRNA与特定临床表现已有信息得到多种相似性，其次从异构图中获得circRNA和特定临床表现的拓扑上下文向量获取异构图节点嵌入特征向量，然后使用改进的多目标粒子群优化算法来优化参数，最后将得到的参数输入到图注意力机制中完成识别任务，所述方法包括数据预处理和训练阶段、多目标粒子群训练阶段和节点特征嵌入阶段，其步骤为：S1、相似性计算，计算circRNA与特定临床表现的多种相似性，构造特定临床表现与circRNA的异构图网络；S2、应用具有跳跃和停留策略的随机游动来获得circRNA和特定临床表现的拓扑上下文向量，将circRNA和特定临床表现的多种相似性与拓扑向量融合，得到异构图的节点特征嵌入；S3、使用改进的多目标粒子群优化算法来优化参数，该算法采用新的粒子更新和淘汰策略，通过Pareto支配排序、排挤距离比较和锦标赛选择来确定pbest和gbest，抵达Pareto最优解集区域，并获得最优参数；S4、将最优参数输入图注意力机制，它通过学习节点间的权重来提取更具表现力的特征，使用图注意力机制对circRNA与特定临床表现的关联进行评估，并与经典模型进行对比分析，以验证上述方法的准确性和有效性。

全文数据：

权利要求：

百度查询： 兰州理工大学 基于多目标粒子群优化的circRNA与特定临床表现关联识别方法