申请/专利权人:上海科技大学
申请日:2022-08-10
公开(公告)日:2024-03-26
公开(公告)号:CN115240778B
主分类号:G16B40/00
分类号:G16B40/00;G16B5/00;G06F18/22;G06F18/214;G06N3/0499;G06N3/08;G06N20/00
优先权:
专利状态码:有效-授权
法律状态:2024.03.26#授权;2022.11.11#实质审查的生效;2022.10.25#公开
摘要:本申请公开了一种基于对比学习的合成致死基因搭档的推荐方法、装置、终端及介质,通过获取基因数据,将基因数据中的待匹配基因和被推荐基因分别组成多个候选基因对,将候选基因对输入训练完毕的对比学习模型得到各候选基因对的基因嵌入,基于各候选基因对的基因嵌入,计算各候选基因对中两基因的相似度,作为各候选基因对的得分结果,选定得分最高的候选基因对中的被推荐基因作为待匹配基因的合成致死基因搭档。本申请利用对比学习框架达到仅用已知的合成致死基因作为正样本训练模型并推荐合成致死基因搭档的效果,排除现有技术对负样本的依赖,有效缓解基因样本的稀缺问题,较现有技术相比具备优越的预测性能。
主权项:1.一种基于对比学习的合成致死基因搭档的推荐方法,其特征在于,包括:获取基因数据,其中,所述基因数据包括被推荐基因数据列表和待匹配基因数据;将所述被推荐基因数据列表中的各被推荐基因数据分别与所述待匹配基因数据组成多个候选基因对,将所述候选基因对输入训练完毕的对比学习模型,得到所述各候选基因对的基因嵌入;所述对比学习模型包括NSF4SL对比学习模型;所述NSF4SL对比学习模型采用双分支网络框架,包括一个在线分支和一个目标分支;所述NSF4SL对比学习模型的训练步骤,包括:获取合成致死基因对数据;对所述合成致死基因对数据的原始特征做数据增强处理,得到增强特征;将所述原始特征和增强特征输入所述对比学习模型,得到所述合成致死基因对数据的基因嵌入;基于所述合成致死基因对数据的基因嵌入,优化所述对比学习模型以最大化所述合成致死基因对数据中第一基因和第二基因的相似度;基于所述各候选基因对的基因嵌入,计算各候选基因对中待匹配基因数据和被推荐基因数据的相似度,作为各候选基因对的得分结果;选定得分最高的候选基因对中的被推荐基因作为所述待匹配基因的合成致死基因搭档。
全文数据:
权利要求:
百度查询: 上海科技大学 基于对比学习的合成致死基因搭档的推荐方法、装置、终端及介质
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。