申请/专利权人：成都威斯津生物医药科技有限公司

申请日：2023-03-01

公开（公告）日：2023-07-18

公开（公告）号：CN116453600A

主分类号：G16B30/20

分类号：G16B30/20;G16B35/00;G06N3/0455;G06N20/00;G06F30/27

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.08.04#实质审查的生效;2023.07.18#公开

摘要：本申请涉及机器学习模型训练的方法、构建经过优化的5'UTR序列的方法、5'UTR序列、模型结构、机器学习模型训练装置、构建经过优化的5'UTR序列装置以及计算设备和计算机可读存储介质。其中，一种构建经过优化的5'UTR序列的方法，包括：a获取初始5'UTR序列的序列特征矩阵；b将所述序列特征矩阵输入经过训练的机器学习模型，生成多个更新5'UTR序列；c将所述多个更新5'UTR序列分别输入至所述经过训练的机器学习模型，利用所述编码器模块和所述MRL值预测模块，获取与所述多个更新5'UTR序列对应的预测MRL值；d基于步骤c中得到的所述预测MRL值，从所述多个更新5'UTR序列中确定所述经过优化的5'UTR序列。

主权项：1.一种机器学习模型训练方法，其特征在于，包括：获取多个训练5'UTR序列，所述5'UTR序列具有已知MRL值；获取所述5'UTR序列的序列特征矩阵；将所述序列特征矩阵输入机器学习模型，所述机器学习模型包括编码器模块、解码器模块和MRL值预测模块；所述编码器模块基于所述序列特征矩阵生成隐向量，所述MRL值预测模块基于所述隐向量预测所述训练5'UTR序列的预测MRL值，所述解码器模块基于所述隐向量和所述预测MRL值重建与所述训练5'UTR序列对应的再建5'UTR序列；和基于所述预测MRL值与所述已知MRL值的差异以及所述再建5'UTR序列和所述训练5'UTR序列的序列差异，对所述机器学习模型进行训练。

全文数据：

权利要求：

百度查询： 成都威斯津生物医药科技有限公司 用于5'UTR序列重建和MRL预测的MATE架构

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD