Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 武汉大学郭锋彪获国家专利权

武汉大学郭锋彪获国家专利权

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!

龙图腾网获悉武汉大学申请的专利基于机器学习的固氮酶活性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:CN119832994B

龙图腾网通过国家知识产权局官网在2025-10-17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:202411911037.X,技术领域涉及:G16B40/20;该发明授权基于机器学习的固氮酶活性预测方法及系统是由郭锋彪;叶安强;张济云;许芊设计研发完成,并于2024-12-24向国家知识产权局提交的专利申请。

基于机器学习的固氮酶活性预测方法及系统在说明书摘要公布了:本申请提供的基于机器学习的固氮酶活性预测方法及系统,方法包括:获取固氮酶样本活性数据;从固氮酶样本中提取多维特征;根据固氮酶样本蛋白序列的融合特征向量、固氮酶的表达水平、固氮酶样本目标菌株的密码子偏好和固氮酶样本固氮相关基因的拷贝数,基于机器学习构建固氮酶活性预测模型;基于构建的固氮酶活性预测模型,预测获取固氮酶活性。本申请通过获取固氮酶样本活性数据并提取包括固氮酶样本蛋白序列的融合特征向量、固氮酶的表达水平、固氮酶样本目标菌株的密码子偏好以及固氮相关的基因拷贝数的多维特征,作为模型输入,基于机器学习获取固氮酶活性预测模型,提供了一种高效、精准的固氮酶活性预测方法。

本发明授权基于机器学习的固氮酶活性预测方法及系统在权利要求书中公布了:1.一种基于机器学习的固氮酶活性预测方法,其特征在于,包括以下步骤: 获取固氮酶样本活性数据,包括:通过乙炔还原法测量固氮酶样本的活性值;依据测量获取的固氮酶样本的活性值,区分固氮酶样本为阳性样本和阴性样本; 从固氮酶样本中提取融合特征向量、固氮酶的表达水平、固氮酶样本目标菌株的密码子偏好和固氮酶样本固氮相关基因的拷贝数,包括:获取固氮酶样本的蛋白序列的融合特征向量;获取固氮酶的表达水平;获取固氮酶样本目标菌株的密码子偏好;获取固氮酶样本固氮相关基因的拷贝数; 其中,所述获取固氮酶样本的蛋白序列的融合特征向量的方法,包括:通过预训练模型ProtT5从固氮酶样本中提取nifD、nifH、nifK蛋白序列的1024维特征向量;通过计算固氮酶样本的三联氨基酸编码提取nifD、nifH、nifK蛋白序列的343维特征向量;通过计算固氮酶样本的二肽组成提取nifD、nifH、nifK蛋白序列的400维特征向量;通过计算固氮酶样本的伪氨基酸组成提取nifD、nifH、nifK蛋白序列的50维特征向量;融合1024维特征向量、343维特征向量、400维特征向量和50维特征向量,获取固氮酶样本的蛋白序列的融合特征向量; 根据固氮酶样本蛋白序列的融合特征向量、固氮酶的表达水平、固氮酶样本目标菌株的密码子偏好和固氮酶样本固氮相关基因的拷贝数,基于机器学习构建固氮酶活性预测模型; 基于构建的固氮酶活性预测模型,预测获取固氮酶活性。

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武汉大学,其通讯地址为:430072 湖北省武汉市武昌区八一路299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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。