CN112466398A - 斑马鱼模型评价人基因功能可行性的判断方法及装置 - Google Patents
斑马鱼模型评价人基因功能可行性的判断方法及装置 Download PDFInfo
- Publication number
- CN112466398A CN112466398A CN202011199721.1A CN202011199721A CN112466398A CN 112466398 A CN112466398 A CN 112466398A CN 202011199721 A CN202011199721 A CN 202011199721A CN 112466398 A CN112466398 A CN 112466398A
- Authority
- CN
- China
- Prior art keywords
- gene
- zebra fish
- neural network
- taking
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
- G16B20/30—Detection of binding sites or motifs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
- G16B30/10—Sequence alignment; Homology search
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Biotechnology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供斑马鱼模型评价人基因功能可行性的方法和装置,根据不同的基因模型构建对应的第一神经网络,并将基因模型的评估结果作为对应的第一神经网络的输出;所述第一神经网络的输入节点与一种基因评估项一一对应,所述基因评估项包括人类CDS序列长度、斑马鱼同源基因、斑马鱼同源基因序列完整性、蛋白序列比对、基因在斑马鱼胚胎时期的表达情况、pLI分值、基因在斑马鱼中的研究、基因在其他模式生物中的研究;利用上述第一神经网络对斑马鱼模型评价人基因功能进行评价,并获得评价结果。上述方式快捷准确,能够代替人工快速获得可行性评估结果。
Description
技术领域
本发明涉及基因领域,特别是关于斑马鱼模型评价人基因功能可行性。
背景技术
随着模式生物斑马鱼研究的兴起,越来越多的学者利用斑马鱼模型对疾病发生相关基因进行探索,但目前对于使用斑马鱼模型评价人基因功能的可行性并没有系统的评估方法,大都需要依赖经验丰富的专业人员判断,对经验的依赖性非常强,一旦判断出错,后期投入研究遇到阻碍将导致大量人力和资源的浪费。
满足上述经验要求的专业人员的培养需要较多的理论与实践学习,目前该类人员与该工作的任务量相比具有极大缺口。并且,随着基因工程的不断进步,本行业的工作人员需要不断更新知识储备以更全面地掌握基因与疾病之间的关联,对人持续学习的要求极高。
因此,亟需一种准确、客观、快速的斑马鱼模型评价人基因功能可行性的评估方法,代替人进行评估,以减少该项工作对人的依赖。
发明内容
本发明目的在于提供一种斑马鱼模型评价人基因功能的可行性的判断方法,用于解决上述可行性判断极度依赖人工经验的技术问题。
为达成上述目的,本发明提出如下技术方案:
斑马鱼模型评价人基因功能可行性的方法,根据不同基因的斑马鱼模型构建对应的第一神经网络,并将该基因斑马鱼模型可行性的评估结果作为对应的第一神经网络的输出;
所述第一神经网络的输入节点与一种基因评估项一一对应,所述基因评估项包括人类CDS序列长度、斑马鱼同源基因、斑马鱼同源基因序列完整性、蛋白序列比对、基因在斑马鱼胚胎时期的表达情况、pLI分值、基因在斑马鱼中的研究、基因在其他模式生物中的研究;
利用上述第一神经网络对斑马鱼模型评价人基因功能进行评价,并获得评价结果。
进一步的,在本发明中,所述基因各评估项通过网络爬虫技术获得,并转化为数值化信息;
敲除/敲降(KO/KD)模型下,各基因评估项的数值定义如下:
人类CDS序列长度,取0或1均可;
斑马鱼同源基因,若有DIOPT高分同源基因则取1,否则取0;
斑马鱼同源基因序列完整性,若检索到完整序列则取1,否则取0;
蛋白序列比对,若相同率大于30%则取1,否则取0;
基因在斑马鱼胚胎时期的表达情况,若有表达则取1,否则取0;
pLI分值,若pLI大于0.9,则取1,否则取0;
基因在斑马鱼中的研究,若有研究则取1,若有研究但无所关注疾病的关键表型则取0.5,若有研究且有所关注疾病的关键表型则取0;
基因在其他模式生物中的研究,若有研究则取1,若有研究但无所关注疾病的关键表型则取0.5,若有研究且有所关注疾病的关键表型则取0;
过表达(OE)模型下,各基因评估项的数值定义如下:
人类CDS序列长度,若≤6000bp得分则取1,否则取0;
斑马鱼同源基因,若有DIOPT高分同源基因则取1,否则取0;
斑马鱼同源基因序列完整性,取0或1均可;
蛋白序列比对,若相同率大于30%则取1,否则取0;
基因在斑马鱼胚胎时期的表达情况,若有表达则取1,否则取0;
pLI分值,若pLI小于0.9,则取1,否则取0;
基因在斑马鱼中的研究,取0或1均可;
基因在其他模式生物中的研究,取0或1均可;
进一步的,在本发明中,神经网络输出后,人工进行评判是否接收,若接收,则输出结果,若不接收,则人工给与输出结果,并形成新的训练数据再次进行训练,优化神经网络直至神经网络的输出结果与人工判定的结果相比误差小于等于3%。
进一步的,在本发明中,所述第一神经网络训练时,训练集、测试集和开发集的比例为4:4:2,利用训练集训练N个不同结构的神经网络,在输入层与输出层之间设置n个隐藏层;利用测试集在N个神经网络中进行优势筛选,利用开发集评价优势神经网络的预测效果,最终确定第一神经网络。
有益效果:
由以上技术方案可知,本发明的技术方案提供了一种用于建模可行性的打分系统,根据不同模型所需要的相关信息,利用网络爬虫进行获取和转换,利用神经网络代替人工进行可行性判断,更为客观准确快速。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1是算法打分与人工评估可行性比对。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
申请概述
针对背景中所提及的技术问题,本申请提供的技术方案总体思路如下:
本发明所需解决的问题中,缺乏经验者通常是对建模的影响因素不甚清楚,既包括影响因素的种类,也包括影响因素的影响尺度。本发明利用人工经验总结了影响因素的种类,并将其具体转换为可量化的数据并作为神经网络的输入,利用神经网络自学习的方式获得哥哥影响因素的权重,并根据结果与人工评判是否一致性高来优化神经网络。随着数据量的增加,以及基因领域科研数据的更新,上述神经网络将越发智能化,足以替代人工经验,从而快速有效的得出判断结论。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
分别针对敲除/敲降模型和过表达模型,构建2个神经网络,其中一个神经网络的评估结果为敲除/敲降模型是否可行,另一个神经网络的评估结果为过表达模型是否可行。
根据经验,选择8个基因评估项作为神经网络的输入节点。所述基因评估项包括人类CDS序列长度、斑马鱼同源基因、斑马鱼同源基因序列完整性、蛋白序列比对、基因在斑马鱼胚胎时期的表达情况、pLI分值、基因在斑马鱼中的研究、基因在其他模式生物中的研究。
利用上述第一神经网络对斑马鱼模型评价人基因功能进行评价,并获得评价结果。
进一步的,在本发明的实施例中,为了快速准确获得基因各评估项并用于神经网络中,尤其还需考虑到部分评估项例如基因在斑马鱼中的研究、基因在其他模式生物中的研究等为本领域内处于动态更新的项目,因此需要实时从网络中获取上述基因评估项的相关信息。因此,本发明通过网络爬虫技术获得,并转化为数值化信息。
具体的,各个基因评估项的信息来源如下:
人类CDS序列长度获取自https://asia.ensembl.org/Homo_sapiens/Info/Index;
斑马鱼同源基因和蛋白序列比对获取自https://www.flyrnai.org/cgi-bin/DRSC_orthologs.pl;
斑马鱼同源基因序列完整性获取自https://www.ncbi.nlm.nih.gov/;
基因在斑马鱼胚胎时期的表达情况获取自https://zfin.org/;
pLI分值、基因在斑马鱼中的研究、基因在其他模式生物中的研究获取自https://monarchinitiative.org/或https://pubmed.ncbi.nlm.nih.gov/。
具体的,在敲除/敲降模型(即KO/KD模型)下,各基因评估项的数值定义如下:
人类CDS序列长度,取0或1均可;
斑马鱼同源基因,若有DIOPT高分同源基因则取1,否则取0;用以评估是否有足够证据支撑斑马鱼中存在人类该基因的同源基因。
斑马鱼同源基因序列完整性,若检索到完整序列则取1,否则取0;用以评估是否有足够数据支持斑马鱼同源基因的CRISPR设计。
蛋白序列比对,若相同率大于30%则取1,否则取0;用以评估斑马鱼同源基因与人类该基因的相似性和保守度。
基因在斑马鱼胚胎时期的表达情况,若有表达则取1,否则取0;用以评估该基因是否在斑马鱼胚胎期发挥功能。
pLI分值,若pLI大于0.9,则取1,否则取0;用以评估该基因突变导致功能缺失(LOF)的概率。
基因在斑马鱼中的研究,若有研究则取1,若有研究但无所关注疾病的关键表型则取0.5,若有研究且有所关注疾病的关键表型则取0;用以评估该基因的斑马鱼模型的创新性。
基因在其他模式生物中的研究,若有研究则取1,若有研究但无所关注疾病的关键表型则取0.5,若有研究且有所关注疾病的关键表型则取0;用以评估该基因的斑马鱼模型的创新性。
具体的,在过表达模型(OE模型)下,各基因评估项的数值定义如下:
人类CDS序列长度,若≤6000bp得分则取1,否则取0;用以评估该基因构建质粒并体外转录的难度,若长于6000bp则认为实验执行难度过高,影响建模可行性。
斑马鱼同源基因,若有DIOPT高分同源基因则取1,否则取0;
斑马鱼同源基因序列完整性,取0或1均可;
蛋白序列比对,若相同率大于30%则取1,否则取0;
基因在斑马鱼胚胎时期的表达情况,若有表达则取1,否则取0;
pLI分值,若pLI小于0.9,则取1,否则取0;
基因在斑马鱼中的研究,取0或1均可;
基因在其他模式生物中的研究,取0或1均可。
进一步的,所述第一神经网络训练时,训练集、测试集和开发集的比例为4:4:2,利用训练集训练N个不同结构的神经网络,在输入层与输出层之间设置n个隐藏层;利用测试集在N个神经网络中进行优势筛选,利用开发集评价优势神经网络的预测效果,最终确定第一神经网络。神经网络输出后,人工进行评判是否接收,若接收,则输出结果,若不接收,则人工给与输出结果,并形成新的训练数据再次进行训练,优化神经网络直至神经网络的输出结果与人工判定的结果相比误差小于等于3%。
目前经过训练的神经网络,不同模型下各个基因各评估项的权重按照如下表1所示的权重分布。
神经网络的结果以得分的方式呈现,得分在95-100分(包含95分)之间为可行性高,60-95分(包含60分)之间为可行性中等,60分以下为可行性低。建立斑马鱼过表达模型,可行性总得分为100分则为可行性高,60-95分(包含60分及95分)之间为可行性中等,60分以下为可行性低。将神经网络的判断结果与人工判断结果进行比对,获得如图1所示的对比图,由图可知,神经网络对可行性打分的高低,与人工判断的可行性高中低成对应关系,可以证明目前的神经网络很好地替代了人工经验并快速地获得判断结论。
表1
KO/KD权重(%) | 过表达权重(%) | ||
因素一 | 人基因CDS序列长度 | 0 | 60 |
因素二 | 斑马鱼同源基因 | 10 | 10 |
因素三 | 斑马鱼基因序列信息完整度 | 20 | 0 |
因素四 | 蛋白序列比对(低于30%算为不可行) | 40 | 5 |
因素五 | 基因在斑马鱼胚胎时期的表达情况 | 5 | 20 |
因素六 | pLI分值 | 5 | 5 |
因素七 | 基因在斑马鱼中的研究 | 10 | 0 |
因素八 | 基因在其他模式生物中的研究 | 10 | 0 |
实施例二、
基于与前述实施例中一种斑马鱼模型评价人基因功能的可行性的判断方法同样的发明构思,本发明还提供一种示例性电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现针对斑马鱼模型评价人基因功能的可行性的判断方法的步骤。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:可以快速、准确地对斑马鱼模型评价人基因功能的可行性进行判断,与人工评估的结果基本一致。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (5)
1.斑马鱼模型评价人基因功能可行性的方法,其特征在于:
根据不同基因的斑马鱼模型构建对应的第一神经网络,并将该基因斑马鱼模型的可行性评估结果作为对应的第一神经网络的输出;
所述第一神经网络的输入节点与一种基因评估项一一对应,所述基因评估项包括人类CDS序列长度、斑马鱼同源基因、斑马鱼同源基因序列完整性、蛋白序列比对、基因在斑马鱼胚胎时期的表达情况、pLI分值、基因在斑马鱼中的研究、基因在其他模式生物中的研究;
利用上述第一神经网络对斑马鱼模型评价人基因功能可行性进行评价,并获得评价结果。
2.根据权利要求1所述的斑马鱼模型评价人基因功能可行性的方法,其特征在于:所述基因各评估项通过网络爬虫技术获得,并转化为数值化信息;
敲除/敲降模型下,各基因评估项的数值定义如下:
人类CDS序列长度,取0或1均可;
斑马鱼同源基因,若有DIOPT高分同源基因则取1,否则取0;
斑马鱼同源基因序列完整性,若检索到完整序列则取1,否则取0;
蛋白序列比对,若相同率大于30%则取1,否则取0;
基因在斑马鱼胚胎时期的表达情况,若有表达则取1,否则取0;
pLI分值,若pLI大于0.9,则取1,否则取0;
基因在斑马鱼中的研究,若有研究则取1,若有研究但无所关注疾病的关键表型则取0.5,若有研究且有所关注疾病的关键表型则取0;
基因在其他模式生物中的研究,若有研究则取1,若有研究但无所关注疾病的关键表型则取0.5,若有研究且有所关注疾病的关键表型则取0;
过表达模型下,各基因评估项的数值定义如下:
人类CDS序列长度,若≤6000bp得分则取1,否则取0;
斑马鱼同源基因,若有DIOPT高分同源基因则取1,否则取0;
斑马鱼同源基因序列完整性,取0或1均可;
蛋白序列比对,若相同率大于30%则取1,否则取0;
基因在斑马鱼胚胎时期的表达情况,若有表达则取1,否则取0;
pLI分值,若pLI小于0.9,则取1,否则取0;
基因在斑马鱼中的研究,取0或1均可;
基因在其他模式生物中的研究,取0或1均可。
3.根据权利要求2所述的斑马鱼模型评价人基因功能可行性的方法,其特征在于:神经网络输出后,人工进行评判是否接收,若接收,则输出结果,若不接收,则人工给与输出结果,并形成新的训练数据再次进行训练,优化神经网络直至神经网络的输出结果与人工判定的结果相比误差小于等于3%。
4.根据权利要求3所述的斑马鱼模型评价人基因功能可行性的方法,其特征在于:所述第一神经网络训练时,训练集、测试集和开发集的比例为4:4:2,利用训练集训练N个不同结构的神经网络,在输入层与输出层之间设置n个隐藏层;利用测试集在N个神经网络中进行优势筛选,利用开发集评价优势神经网络的预测效果,最终确定第一神经网络。
5.斑马鱼模型评价人基因功能可行性的装置,其特征在于:包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011199721.1A CN112466398B (zh) | 2020-10-29 | 2020-10-29 | 斑马鱼模型评价人基因功能可行性的判断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011199721.1A CN112466398B (zh) | 2020-10-29 | 2020-10-29 | 斑马鱼模型评价人基因功能可行性的判断方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112466398A true CN112466398A (zh) | 2021-03-09 |
CN112466398B CN112466398B (zh) | 2022-08-09 |
Family
ID=74835838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011199721.1A Active CN112466398B (zh) | 2020-10-29 | 2020-10-29 | 斑马鱼模型评价人基因功能可行性的判断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112466398B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643754A (zh) * | 2021-08-11 | 2021-11-12 | 浙江赛微思生物科技有限公司 | 一种错义变异基因的评分处理方法、优化评分方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105907837A (zh) * | 2016-07-07 | 2016-08-31 | 贵州医科大学 | 转基因斑马鱼系在评价药物耐药性上的应用 |
US20160314245A1 (en) * | 2014-06-17 | 2016-10-27 | Genepeeks, Inc. | Device, system and method for assessing risk of variant-specific gene dysfunction |
CN111583207A (zh) * | 2020-04-28 | 2020-08-25 | 于兴虎 | 一种斑马鱼幼鱼心脏轮廓确定方法及系统 |
-
2020
- 2020-10-29 CN CN202011199721.1A patent/CN112466398B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160314245A1 (en) * | 2014-06-17 | 2016-10-27 | Genepeeks, Inc. | Device, system and method for assessing risk of variant-specific gene dysfunction |
CN105907837A (zh) * | 2016-07-07 | 2016-08-31 | 贵州医科大学 | 转基因斑马鱼系在评价药物耐药性上的应用 |
CN111583207A (zh) * | 2020-04-28 | 2020-08-25 | 于兴虎 | 一种斑马鱼幼鱼心脏轮廓确定方法及系统 |
Non-Patent Citations (1)
Title |
---|
佟明斯等: "显微操作中斑马鱼幼鱼心脏识别与监测方法", 《哈尔滨工业大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643754A (zh) * | 2021-08-11 | 2021-11-12 | 浙江赛微思生物科技有限公司 | 一种错义变异基因的评分处理方法、优化评分方法及装置 |
CN113643754B (zh) * | 2021-08-11 | 2023-12-29 | 苏州赛美科基因科技有限公司 | 一种错义变异基因的评分处理方法、优化评分方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112466398B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | A novel hybrid multiple criteria decision making model for material selection with target-based criteria | |
CN106779441B (zh) | 一种预测变更风险方法和装置 | |
Liu et al. | A dynamic multiagent genetic algorithm for gene regulatory network reconstruction based on fuzzy cognitive maps | |
Pang et al. | ELECTRE I Decision Model of Reliability Design Scheme for Computer Numerical Control Machine. | |
CA3030453C (en) | Systems and methods for generating and training convolutional neural networks using biological sequences and relevance scores derived from structural, biochemical, population and evolutionary data | |
Williams et al. | Data-driven model development for cardiomyocyte production experimental failure prediction | |
CN107491992B (zh) | 一种基于云计算的智能服务推荐方法 | |
CN112466398B (zh) | 斑马鱼模型评价人基因功能可行性的判断方法及装置 | |
Munguia et al. | Proposal and evaluation of a KBE‐RM selection system | |
Meng et al. | Robust stochastic stability analysis of Markovian switching genetic regulatory networks with discrete and distributed delays | |
Anisimova et al. | Statistical approaches to detecting and analyzing tandem repeats in genomic sequences | |
Chi et al. | Reconstructing gene regulatory networks with a memetic-neural hybrid based on fuzzy cognitive maps | |
CN115640898A (zh) | 一种基于ddqn算法的大规模柔性作业车间调度方法 | |
Zandi | A bi-level interactive decision support framework to identify data mining-oriented electronic health record architectures | |
CN109977030B (zh) | 一种深度随机森林程序的测试方法及设备 | |
Khor | A data mining approach using machine learning algorithms for early detection of low-performing students | |
Ebrahimnejad et al. | New model for improving discrimination power in DEA based on dispersion of weights | |
Liu et al. | Combination of neuro-fuzzy network models with biological knowledge for reconstructing gene regulatory networks | |
Louveaux et al. | A combinatorial branch-and-bound algorithm for box search | |
CN111915216A (zh) | 基于二次注意力机制的开源软件项目开发人员推荐方法 | |
Dachyar et al. | Interpretive structural model of institutional design for increased domestic component of upstream oil and gas industry in Indonesia | |
Qian et al. | Inference of genetic regulatory networks by evolutionary algorithm and H∞ filtering | |
Dewi et al. | Modification of random forest method to predict student graduation data | |
Nursari et al. | Decision Support System for Employee Performance Evaluation with Promethe Method. Case Study: Faculty of Engineering, Pancasila University | |
Öztornaci et al. | Prediction of Polygenic Risk Score by machine learning and deep learning methods in genome-wide association studies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220628 Address after: 215100 17 / F, Tiancheng Times Business Plaza, 58 qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province Applicant after: SUZHOU SEMEK GENE TECHNOLOGY Co.,Ltd. Address before: Room 401 and 407, building A2, 555 Chuangye Road, Dayun Town, Jiashan County, Jiaxing City, Zhejiang Province, 314100 Applicant before: Zhejiang saiweisi Biotechnology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |