公开(公告)号：CN114242161A

公开(公告)日：2022-03-25

申请号：CN202111314352.0

申请日：2021-11-08

Applicant: 中国石油大学(华东)

Inventor： 宋弢 ,  张旭东 ,  高畅楠 ,  张莹 ,  王干 ,  代欢欢

IPC: G16B15/30 ,  G16B50/00

Abstract: 本发明涉及一种基于深度特征融合编码器的药物‑靶标相互作用预测系统，涉及生物信息、药物‑靶标相互作用、深度学习领域。包括：1)通过药物‑靶标相互作用数据库进行数据采集，获取相关的数据；2)数据传输特征编码组件，进行药物和蛋白质数据的全局和局部特征的编码；3)经过特征编码之后的数据经过智能预测组件，采用基于深度特征融合编码器的药物‑靶标相互作用预测算法对数据进行特征提取，并通过相互作用特征融合模块进行药物‑靶标相互作用特征的降维和预测；4)预测结果将反馈给用户，并将用户数据以及预测分析记录作为历史参考数据存入药物‑靶标相互作用预测系统服务器中的数据库，以便用户下载和查看；5)经过药物研究者确定后的预测数据可以用于扩充数据集，对模型进行参数调优，不断提升药物‑靶标相互作用预测的准确率。

公开(公告)号：CN114038575A

公开(公告)日：2022-02-11

申请号：CN202111323448.3

申请日：2021-11-08

Applicant: 中国石油大学(华东)

Inventor： 宋弢 ,  张莹 ,  王干 ,  张旭东 ,  代欢欢

IPC: G16H70/40 ,  G16C20/50

Abstract: 本发明涉及一种基于深度学习的药物间相互作用识别算法，涉及医疗大数据、序列数据处理、图数据处理、深度学习领域。包括：1)数据预处理单元，提取药物SMILES字符串中的子结构信息和原子信息；2)将经过预处理的药物信息使用多维特征编码器编码，采用序列编码器和图编码器对药物信息编码，以获得药物多维度特征的高阶表示；3)将药物的多维特征对输入到相互作用识别模块，使用前馈型神经网络识别药物间的相互作用，包含卷积、池化、正则化等操作。使用已经训练好模型可以在未知相互作用数据集上快速的给出对药物间相互作用的识别结果，有助于大规模的药物筛选。本方法能够准确的识别药物间潜在的相互作用有助于判断联合用药的有效性。

公开(公告)号：CN117524306A

公开(公告)日：2024-02-06

申请号：CN202311465828.X

申请日：2023-11-06

Applicant: 中国石油大学(华东)

Inventor： 宋弢 ,  杨青 ,  王珣 ,  代欢欢

IPC: G16B20/30 ,  G16B40/00 ,  G06N3/0442 ,  G06N3/096

Abstract: 本发明提供一种基于迁移学习的去磷酸化位点深度学习预测方法，包括如下步骤：1)数据预处理2)构建去磷酸化位点的深度学习预测算法3)使用迁移学习进行预训练与模型微调。本发明属于生物信息分析技术领域，本发明提供的基于迁移学习的去磷酸化位点深度学习预测方法，为蛋白质翻译后修饰领域去磷酸化位点数据集规模小、模型泛化性差的问题提供了解决方案，它以磷酸化数据集作为源域，学习蛋白质功能和调控机制。同时使用去磷酸化数据集作为目标域进行模型参数的微调，这样可以更加适应下游去磷酸化位点预测任务。这为深度学习应用于小样本数据集研究领域提供了新的见解。

公开(公告)号：CN115481674A

公开(公告)日：2022-12-16

申请号：CN202210870732.0

申请日：2022-07-22

Applicant: 中国石油大学(华东)

Inventor： 代欢欢 ,  王干 ,  张旭东 ,  张莹

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于深度学习的单细胞类型智能识别方法，包括基于Transformer和卷积神经网络的深度学习神经网络。包括：1)收集整理人类各个组织器官的细胞数据，通过LDA降维方法对原始数据进行降维，进行数据的预处理；2)将处理好的数据输入新的Transformer和卷积神经网络结合的深度学习网络，进行数据的自动特征提取和识别，训练深度学习网络；3)输入线性分类器进行单细胞类型的识别，输出各个类别的可能性。