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！

龙图腾网获悉安徽大学申请的专利基于特征提取与融合的水稻m⁶A甲基化位点预测方法及系统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：CN119339792B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202411409138.7，技术领域涉及：G16B20/30；该发明授权基于特征提取与融合的水稻m⁶A甲基化位点预测方法及系统是由刘梦雅;孙战里设计研发完成，并于2024-10-10向国家知识产权局提交的专利申请。

本基于特征提取与融合的水稻m⁶A甲基化位点预测方法及系统在说明书摘要公布了：本发明提供基于特征提取与融合的水稻m6A甲基化位点预测方法及系统，方法包括：获取待预测的水稻m6A的数据集，使用标签编码和填充策略构建最大长度填充序列得到变长m6A序列的初始特征，将变长m6A序列的初始特征输入到训练好的水稻m6A甲基化位点预测模型中，获得水稻m6A甲基化位点预测结果。本发明解决了现有的水稻m6A甲基化位点预测方法针对变长序列采取填充方式导致稀疏与无效特征，以及直接堆叠不同来源特征，进而导致水稻m6A甲基化位点的预测准确率低、预测效果不佳的技术问题。

本发明授权基于特征提取与融合的水稻m⁶A甲基化位点预测方法及系统在权利要求书中公布了：1.基于特征提取与融合的水稻m6A甲基化位点预测方法，其特征在于，所述方法包括： S1、从m6A-seq序列数据中，获取水稻m6A数据集； S2、进行输入表示操作，将水稻m6A数据集中，所有变长序列填充至预置最大长度，获得最大长度填充序列，对最大长度填充序列进行标签编码，获得输入表示结果Finput； S3、基于输入表示结果Finput，提取多核特征； S3中，利用下述逻辑，提取多核特征： Oebd＝Cv1EmbedFinput K1＝Cv1Oebd K2＝Cv3Cv1Oebd K3＝Cv5Cv1Oebd K4＝Cv1MP3Oebd MK＝concatK1,K2,K3,K4 式中，Embed表示嵌入层，Cv1、Cv3和Cv5分别表示卷积核大小设为1、3和5的卷积层，MP3表示核大小设为3的最大池化层，concat表示拼接操作，Oebd是初始嵌入向量，K1、K2、K3和K4是获得的不同核的特征，MK是获得的多核特征； S3还包括： S31、在输入表示结果Finput上，通过嵌入层Embed和第一卷积层Cv1得到初始嵌入向量Oebd； S32、针对初始嵌入向量Oebd，分别使用第一卷积层Cv1、第二卷积层Cv3以及第三卷积层Cv5提取不同空间维度信息，获得第一核特征K1、第二核特征K2、第三核特征K3以及第四核特征K4； S32包括： S321、在第一核特征K2以及第二核特征K3的初始获取阶段，执行第一卷积层Cv1，以调整通道数量； S322、第四核特征K4使用MP3获得通道维度的特征信息，并利用第一卷积层Cv1更改通道数量； S33、对第一核特征K1、第二核特征K2、第三核特征K3以及第四核特征K4，进行concat处理获得多核特征MK； S4、在模型训练操作中，对多核特征进行全局-局部特征融合操作，得到全局-局部融合特征；使用Adam优化器，设置模型训练操作的batchsize、学习率、权重衰减和训练代数，并使用预热学习率调整策略控制模型训练操作； S4包括： S41、通过平均池化层，获取多核特征MK的全局注意力权重； S42、利用卷积层，获得多核特征MK的局部注意力权重； S43、将全局注意力权重、局部注意力权重，分别与多核特征MK的元素对位相乘，获得多核特征MK的全局特征G、局部特征L； S44、拼接处理全局特征G与局部特征L，与初始嵌入向量Oebd进行残差连接操作⊕，处理得到全局-局部融合特征OGL； S5、对全局-局部融合特征进行降采样特征嵌入，获得适用特征；其中，交替使用卷积层、池化层以及残差连接，进行逐层下采样、特征嵌入，以保留高频重要信息，利用对比学习损失函数Lcl调整同类样本距离、异类样本距离，以优化得到特征优化结果； S6、在预测阶段，将特征优化结果送入全连接层中，得到水稻m6A甲基化位点预测概率，以获取水稻序列m6A位点包含判定结果，其中，全连接层包括：σ函数。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。

以上内容由龙图腾AI智能生成。