买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东工业大学申请的专利基于加权核规范正则化算法的lncRNA-疾病关联预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116189779B 。

龙图腾网通过国家知识产权局官网在2025-08-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310121308.0，技术领域涉及：G16B40/00；该发明授权基于加权核规范正则化算法的lncRNA-疾病关联预测方法是由顾国生;许浩杰;谢国波;林志毅;陈锐滨;余俊锐设计研发完成，并于2023-02-14向国家知识产权局提交的专利申请。

本基于加权核规范正则化算法的lncRNA-疾病关联预测方法在说明书摘要公布了：本发明提供基于加权核规范正则化算法的lncRNA‑疾病关联预测方法，包括以下步骤：S1：获取lncRNA‑疾病邻接矩阵LD；S2：计算lncRNA表达相似性LSexp、lncRNA功能相似性LSfun、lncRNA高斯相似性LSgau、lncRNA线性邻域相似性LSlin、疾病语义相似性DSsem、疾病高斯相似性DSgau、疾病线性邻域相似性DSlin；S3：采用k‑近邻中心核对齐算法将lncRNA和疾病的相似性分别整合到同一空间；S4：利用lncRNA‑疾病关联矩阵、lncRNA和疾病的最优相似性核矩阵构建一个异构矩阵作为矩阵补全的目标矩阵；S5：将异构矩阵输入加权核规范正则化模型中进行补全，最终得到预测的lncRNA‑疾病的关联。本发明利用k‑近邻中心核对齐算法对相似性信息进行整合用于辅助预测，构建加权核规范正则化模型对异构矩阵进行补全，实现更加准确的lncRNA‑疾病的关联预测。

本发明授权基于加权核规范正则化算法的lncRNA-疾病关联预测方法在权利要求书中公布了：1.基于加权核规范正则化算法的lncRNA-疾病关联预测方法，其特征在于，包括以下步骤： S1：获取lncRNA-疾病邻接矩阵LD，所述lncRNA-疾病邻接矩阵用于描述lncRNA-疾病关联关系； S2：计算lncRNA表达相似性LSexp、lncRNA功能相似性LSfun、lncRNA高斯相似性LSgau、lncRNA线性邻域相似性LSlin、疾病语义相似性DSsem、疾病高斯相似性DSgau、疾病线性邻域相似性DSlin； S3：采用k-近邻中心核对齐算法将lncRNA和疾病的相似性分别整合到同一空间，得到lncRNA和疾病的最优相似核矩阵LS和DS； S4：利用lncRNA-疾病关联矩阵、lncRNA和疾病的最优相似性核矩阵构建一个异构矩阵； S5：将异构矩阵输入加权核规范正则化模型中进行补全，最终得到预测的lncRNA-疾病的关联，具体步骤为： 通过解决秩最小化问题来补全目标矩阵： s.t.ΡΩX＝ΡΩX' 其中rank·为秩函数，X'∈RnL+nD×nL×nD为构造的目标矩阵；Ω是一个包含索引对i,j的集合，包含了X'中所有已知的lncRNA-疾病关联；ΡΩ是Ω上的投影算子；然而，在上述矩阵补全中直接求解秩极小化是一个NP困难问题，它可以简化为一个核范数最小化： s.t.ΡΩX＝ΡΩX' 其中||X||ω,*表示矩阵X的加权核范数，σiX表示矩阵X的第i个最大奇异值且满足σ1X≥σ2X≥…≥σnX；ω＝[ω1,ω2,…,ωn]是分配给σiX的权重；在将预测值约束在[0,1]区间内和添加一个可容忍的噪声项之后，模型转换为如下ADMM形式： s.t.X＝M,0≤M≤1 其中α是平衡核范数的误差项，是Frobenius参数化；M是一个用于加速模型收敛的辅助矩阵；最后，将其转化为增广的拉格朗日函数： 其中Z为拉格朗日乘子，β＞0表示增广项的自适应惩罚参数；采用一种迭代方法，将初始值设为X1＝M1＝Z1＝ΡΩX'，并分别通过k次迭代求解Mk+1和XK+1、Zk+1；当迭代终止；可以得到最终更新的异构网络最终可得到经过补全的关联概率矩阵

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东工业大学，其通讯地址为：510000 广东省广州市越秀区东风东路729号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。