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一种基于掩码图自编码器的基因识别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：CN119541649B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411307234.0，技术领域涉及：G16B40/00；该发明授权一种基于掩码图自编码器的基因识别方法是由魏丕静;李文军;丁云;曹瑞芬;郑春厚设计研发完成，并于2024-09-19向国家知识产权局提交的专利申请。

本一种基于掩码图自编码器的基因识别方法在说明书摘要公布了：本发明公开了一种基于掩码图自编码器的基因识别方法，其步骤包括：1、获取基因相互作用数据和组学特征数据并进行预处理；2、对处理后的数据进行掩码，具体包括两个分支，节点掩码模块和边掩码模块；3、将掩码后的网络输入到图自动编码器中训练，图自动编码器通过重构网络的节点和边来学习网络的嵌入表示；4、通过训练好的的编码器得到特征的低维嵌入，最后使用逻辑回归分类器进行基因的分类。本发明通过对网络中的节点和边分别进行掩码来同时关注图的节点信息和结构信息，并以自监督学习的方式减少了特征训练模型对标签信息的依赖，从而能精确地对基因进行分类。

本发明授权一种基于掩码图自编码器的基因识别方法在权利要求书中公布了：1.一种基于掩码图自编码器的基因识别方法，其特征在于，是按如下步骤进行： 步骤1、收集正常基因与异常基因的多组学数据，并建立基因网络G={V, A, X}，其中，V表示基因节点集合，A表示基因节点的邻接矩阵，表示基因节点的特征集合，N是基因节点的数量，M表示每个基因节点特征的组学类型个数；令任意第i个基因节点记为vi，令xi表示第i个基因节点vi的特征，且；令ei,j表示vi与第j个基因vj之间的相互作用，若ei,j=1，表示vi与vj之间有相互作用关系，若ei,j=0，表示vi与vj之间无相互作用关系；令第i个基因节点vi的真实标签为yi，yi∈{0,1}，0表示vi为正常基因，1表示vi为异常基因； 步骤2、构建基于掩码图自编码器的图表示学习网络，包括：图掩码模块，编码器，解码器； 步骤2.1、所述图掩码模块分成节点掩码单元和边掩码单元，其中，节点掩码单元对V进行节点掩码得到节点掩码图G1，边掩码单元对A进行边掩码得到边掩码图G2； 步骤2.2、编码器模块由L层GCN层组成，并分别对G1和G2进行处理，相应得到节点特征表示和； 步骤2.3、解码器模块包括：节点解码器单元和边解码器单元，并分别对和进行处理，相应得到重构特征向量zi和G2中vi和vj存在边的概率Pvi,vj； 步骤2.4、利用式5构建总损失函数Loss；                       5式5中，loss1是节点重构损失，loss2是边重构损失，α表示用于平衡节点重构和边重构损失函数的超参数，且0α1； 步骤3、利用Adam优化器训练所述图表示学习网络的权重参数，并计算总损失函数Loss以更新网络参数，并在迭代次数达到最大迭代次数时或Loss达到最小时停止训练，从而得到训练后的最优图自动编码器模型； 步骤4、将G输入到训练后的最优图自动编码器模型的编码器中，并生成低维嵌入特征S；令si表示S中第i个基因节点vi的低维嵌入特征表示； 步骤5、由一个全连接层构建逻辑回归分类器，从而利用式10将si从特征空间投影到概率空间，并输出第i个基因节点vi属于异常基因的概率；   10式10中，ω是全连接层中的待学习权重参数，b是待学习的偏置项，T表示转置； 步骤6、利用式11构建交叉熵损失函数LBCE，并利用梯度下降算法和Adam优化器训练逻辑回归分类器，使得交叉熵损失函数LBCE达到收敛，从而得到训练好的正常异常基因分类模型，用于实现对正常、异常基因的分类：   11式11中，n表示带标签的基因节点的数量，表示第i个基因节点vi的真实标签。

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”。