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！

龙图腾网获悉华中农业大学申请的专利一种玉米基因型与环境跨模态特征融合的基因组预测方法和模型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：CN119560010B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202411592162.9，技术领域涉及：G16B20/20；该发明授权一种玉米基因型与环境跨模态特征融合的基因组预测方法和模型是由刘建晓;姚州;郭竣豪;卜梦佳;方文婕;王创设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本一种玉米基因型与环境跨模态特征融合的基因组预测方法和模型在说明书摘要公布了：本发明提供了一种玉米基因型与环境跨模态特征融合的基因组预测方法和模型，采用深度学习方法对包括基因组与环境组的不同组学数据间复杂的非线性变换关系进行建模，通过构建GECF_GP模型融合玉米跨基因型与环境互作的特征，较好的挖掘了时序性特征以及与表型相关的重要生育期，实现了预测玉米复杂农艺性状的表型的功能。本发明在不同实验设置中展现了较强的鲁棒性，在G×E互作的基因组预测方面具有优越性，探索了表型相关的重要生育期以及预测跨不同年份表型的性能，对于基因组预测分析方法提供了新思路，进而为玉米在不同环境的适应性分析和关键生育期的探索提供了理论和应用价值参考，加快了智慧育种领域的发展。

本发明授权一种玉米基因型与环境跨模态特征融合的基因组预测方法和模型在权利要求书中公布了：1.一种玉米基因型与环境跨模态特征融合的基因组预测方法，其特征在于：包括以下步骤： S1：对玉米测序获得全基因组SNP数据，收集玉米种植地点的全生育期环境数据和田间农艺性状； S2：从包括高度、宽度和通道的不同维度提取和融合全基因组SNP数据的位点间的多维特征，得到基因型特征； S3：捕获和融合全生育期环境数据的多个环境因子的时序性特征，得到时序性环境特征，具体步骤为： S31：采用K-means聚类方法将相似的环境因子归为同一类别； S32：通过自相关机制捕获类内每个环境因子的全生育期时序特征；具体步骤为： 设第M天的第i个环境因子为x M，将M天内的第i个环境因子表示为数组f i={x 1,x 2…x M}，通过自相关机制将环境因子序列f i线性映射为查询向量Q、键向量K、值向量V，设W q为查询向量Q的权重矩阵，W k为键向量K的权重矩阵，W v为值向量V的权重矩阵： 9， 10， 11； 基于Wiener-Khinchi理论，通过快速傅里叶变换FFT将时域转换为频域，在频域内计算时序序列的自相关性，FFT *为FFT的共轭变换，j为虚数单位，n为序列中值的索引，m为离散频率的索引，序列中不同频率成分的强度S Q,K为： 12； 通过逆快速傅里叶变换IFFT将频域变换为时域，得到该时序序列的自相关函数R Q,K，自相关函数描述了该序列在不同时延的相似性大小，即该时延在该序列中的置信度： 13； 选取置信度最高的l个时延，取l=⌊c×logD⌋： 14， 将时延的相似性值通过softmax函数归一化得到该时延的权重： 15， Vt-τ i为V在τ i时延后的滚动序列，加权求和对应时延的相似的子序列，聚合不同时延的子序列的特征得到特征提取的最终结果Auto-Correlation： 16； S33：通过全连接神经网络融合类内的多个环境因子的全生育期时序特征； S34：通过cross-attention机制融合类间的环境因子特征； S4：通过Concat机制融合步骤S2得到的基因型特征和步骤S3得到的时序性环境特征； S5：通过多层全连接神经网络融合不同组学特征间的复杂关系；通过最后一层全连接神经网络预测并输出玉米特定材料特定性状的表型值。

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华中农业大学，其通讯地址为：430070 湖北省武汉市洪山区狮子山街1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。