公共文化服务平台

一种基于深度学习的蛋白质-配体结合位点预测算法: 本发明公开了一种基于深度学习的蛋白质‑配体结合位点预测算法，对于待预测的蛋白质，首先提取其序列特征和距离矩阵，然后将序列特征通过滑动窗口方法分配到每个残基上，然后将残基所对应的特征逐个输入到残差神经网络和混合神经网络中，...; 夏春秋杨旸沈红斌; 文献传递

一种基于深度学习的长链非编码RNA亚细胞位置预测算法: 本发明涉及RNA生物学领域，具体涉及一种基于深度学习的长链非编码RNA(long noncoding RNA，lncRNA)亚细胞位置预测算法。针对多分类问题训练样本中存在的类别不均衡性，本发明提出了一种新型的上采样方法...; 曹真杨旸沈红斌; 文献传递

一种环状RNA-RNA结合蛋白关系预测模型构建方法: 本发明公开了一种环状RNA‑RNA结合蛋白关系预测模型构建方法，解决了现有技术仅限制了预测准确率的问题，其技术方案要点是将初始的环状RNA序列数据集样本构造为环状RNA‑RNA结合蛋白序列对的形式；采用自监督学习的方式训...; 袁亮亮杨旸; 文献传递

乳腺癌组织学分级下目标基因提取及转录调控网络构建被引量：2: 2014年; 目的乳腺癌类型和分级多样性导致其预后差别显著,探寻乳腺癌不同分级情况下的基因表达差异及调控关系能够为乳腺癌致病机制的发现提供重要依据。方法对不同分级下的乳腺癌基因表达数据利用快速独立成分分析(FastICA)方法提取特征基因,并结合人类蛋白质相互作用(PPI)数据选取目标基因。在此基础上,结合转录因子对靶基因调控的先验信息,利用网络成分分析(NCA)方法对与乳腺癌发病有密切关系的转录因子及其靶基因构建转录调控网络。结果筛选出的基因经过数据库验证与乳腺癌相关的占48.15%,构建的调控网络发现了多个转录因子及靶基因在不同分级情况下的活性变化趋势。结论 FastICA算法结合PPI数据提取目标基因的方法较为有效,通过NCA算法构建的转录调控网络为研究乳腺癌发生发展机制提供了新的方法。; 孔薇李海燕牟晓阳杨旸; 关键词：乳腺癌基因表达数据

金属磷化物纳米复合材料的制备及其锂/钠储存特性研究: 近几十年来,电化学储能技术的成功应用推动着人们朝着能源与环境可持续发展的方向迈进。其中,锂离子电池技术发挥着至关重要的作用。锂离子电池具有能量密度高、循环寿命长、安全稳定等优点,这使得它被广泛应用于各类电子产品、电动汽车...; 杨旸; 关键词：锂离子电池钠离子电池负极材料

一种基于深度学习的蛋白质-配体结合位点预测方法: 本发明公开了一种基于深度学习的蛋白质‑配体结合位点预测算法，对于待预测的蛋白质，首先提取其序列特征和距离矩阵，然后将序列特征通过滑动窗口方法分配到每个残基上，然后将残基所对应的特征逐个输入到残差神经网络和混合神经网络中，...; 夏春秋杨旸沈红斌; 文献传递

基于混合积的手性构型表示方法: 本发明公开了基于混合积的手性构型表示方法，涉及化学技术领域，包括以下步骤：基于开源化学信息学数据库获取目标分子内所有不对称原子的列表cAtoms；遍历列表cAtoms内所有的不对称原子，计算得到其手性积与手性矩阵；遍历目...; 张驰石润晗余谷风杨旸

基于深度学习的基因图像处理估计方法、系统、介质及设备: 一种基于深度学习的基因图像处理方法、系统、介质及设备，获取原始图像，据以组建标注为样本集；划分样本集为训练样本和测试样本，获取并提取预选模型，据以迁移学习训练样本得图像预测模型；根据图像模型计算测试样本得预测计算结果；获...; 李天格杨旸; 文献传递

基于miRNA调控网络研究其在乳腺癌病理学分型中的作用被引量：3: 2015年; 目前microRNA(miRNA)转录后的调控作用在乳腺癌(breast cancer,BC)致病机理探寻中受到广泛关注.但在病理分型中,人们对于miRNA如何与其靶标基因相互作用来调控乳腺癌的分型还知之甚少.本文通过结合基因表达数据和序列信息预测miRNA在乳腺癌分型中的作用.首先,使用T统计针对健康、非浸润及浸润性乳腺癌样本提取差异表达的miRNA和mRNA;然后,利用HCtarget算法预测表达显著miRNA的靶基因;最后,构建miRNA和mRNA调控网络并进行富集性分析.分子生物学分析显示,10个显著表达的miRNA的靶基因广泛参与MAPK信号通路、Wnt信号通路、雌激素信号通路等与乳腺癌密切相关的通路.而hsa-miR-200c,hsa-miR-205和hsa-miR-145调控强度变化贯穿乳腺细胞由正常到非浸润再到浸润的整个过程,可以作为识别乳腺癌潜在的分子标志物,为乳腺癌发病机理研究提供了方法和依据.; 孔薇李珍牟晓阳杨旸; 关键词：乳腺癌病理学分型 MIRNA 靶基因调控网络

基于注意力孪生网络的蛋白质结合位点预测方法: 一种基于注意力孪生网络的蛋白质结合位点预测方法，采用具有两层卷积层的神经网络对输入的进行特征提取，再根据提取到的特征估计绑定概率，得到预测的RNA序列绑定蛋白质的概率。本发明采用深度神经网络成对度量学习有效地增强捕获ci...; 吴贺贺潘小勇杨旸沈红斌

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

杨旸