公开(公告)号：CN119480149B

公开(公告)日：2025-03-14

申请号：CN202510049054.5

申请日：2025-01-13

Applicant: 安徽农业大学

Inventor： 桂健峰 ,  岳振宇 ,  高羽佳 ,  蔡梦杰 ,  王汇颖

IPC: G16H70/40 ,  G16B40/00 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N5/045

Abstract: 本发明适用于人工智能领域，具体是一种可解释多关系图神经网络的药物反应预测方法，包括以下步骤：构建包含细胞系和药物节点，以及敏感性、抗性、药物相似性、细胞相似性关系类型的有向异质图；采用R‑GCN模型处理有向异质图，通过节点特征聚合更新节点表示，生成正负样本进行训练，预测潜在的细胞系与药物间的链接关系；结合原始图与预测结果生成计算图，提取待解释边邻域图，利用可优化掩码和边类型加权机制，通过最大化互信息与结构评分优化得到解释子图，从互信息和结构评分两方面对解释过程进行定义。本发明运用融入注意力机制的R‑GCN模型进行链接预测，并利用掩码和自适应加权机制得到解释子图，从多方面清晰解释预测结果的生物学机制。

公开(公告)号：CN119446290A

公开(公告)日：2025-02-14

申请号：CN202510031759.4

申请日：2025-01-09

Applicant: 安徽农业大学

Inventor： 蔡梦杰 ,  岳振宇 ,  高羽佳 ,  桂健峰 ,  鲁全 ,  高乐

IPC: G16B40/30 ,  G16B30/10 ,  G06N3/0464 ,  G06N3/0985 ,  G06F18/2113 ,  G06F18/214 ,  G06F18/243

Abstract: 本发明涉及人工智能技术领域，具体是基于自动化CNN模型的小麦非生物胁迫性状SNP预测方法，该方法从GWAS Atlas数据库收集了与小麦相关的GWAS数据，并构建了一个高质量的突变位点数据集；使用DNA原始序列、基于文本的特征以及基于结构的特征对数据集进行特征提取，使用SHAP方法对输入特征的重要性进行排序并辅助特征选择，解释预测模型的结果；然后构建了一个自动架构搜索框架，采用自动神经架构搜索，使模型在指定的搜索空间内进化，在验证集上实现最佳性能，并在测试集上评估模型的精确度、AUPR和AUC。本发明提供了一种高效、准确且可解释的深度学习框架，用于预测小麦生物胁迫相关的SNP，从而推动小麦抗逆育种和基因组学研究的发展。

公开(公告)号：CN119480149A

公开(公告)日：2025-02-18

申请号：CN202510049054.5

申请日：2025-01-13

Applicant: 安徽农业大学

Inventor： 桂健峰 ,  岳振宇 ,  高羽佳 ,  蔡梦杰 ,  王汇颖

IPC: G16H70/40 ,  G16B40/00 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N5/045

Abstract: 本发明适用于人工智能领域，具体是一种可解释多关系图神经网络的药物反应预测方法，包括以下步骤：构建包含细胞系和药物节点，以及敏感性、抗性、药物相似性、细胞相似性关系类型的有向异质图；采用R‑GCN模型处理有向异质图，通过节点特征聚合更新节点表示，生成正负样本进行训练，预测潜在的细胞系与药物间的链接关系；结合原始图与预测结果生成计算图，提取待解释边邻域图，利用可优化掩码和边类型加权机制，通过最大化互信息与结构评分优化得到解释子图，从互信息和结构评分两方面对解释过程进行定义。本发明运用融入注意力机制的R‑GCN模型进行链接预测，并利用掩码和自适应加权机制得到解释子图，从多方面清晰解释预测结果的生物学机制。