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！

龙图腾网获悉上海交通大学;华东理工大学申请的专利基于迁移学习的分布式转录调控网络大模型构建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：CN119339795B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411305129.3，技术领域涉及：G16B25/10；该发明授权基于迁移学习的分布式转录调控网络大模型构建方法是由鲁洪中;颜学峰;范星存;曹凌峰;廖文彬设计研发完成，并于2024-09-19向国家知识产权局提交的专利申请。

本基于迁移学习的分布式转录调控网络大模型构建方法在说明书摘要公布了：本发明公开了基于迁移学习的分布式转录调控网络大模型构建方法，以有文献支撑的可靠转录调控先验关系作为分布式子网络输入变量和输出变量的选择依据，利用迁移学习思想进行模型训练，以获取转录过程中的调控关系，包括以下步骤：步骤S1，通过转录调控先验知识获取转录调控关系；步骤S2，构建分布式转录调控网络大模型；步骤S3，在泛转录组数据上进行模型预训练；步骤S4，采用时序数据集，对模型进行微调以得到特异性分布式大模型；步骤S5，根据数据特征制定预测结果的评价指标。采用本方法，可以实现转录调控关系方向的预测，进一步指导靶基因表达水平的调控，加快转录调控关系的相关研究。

本发明授权基于迁移学习的分布式转录调控网络大模型构建方法在权利要求书中公布了：1.基于迁移学习的分布式转录调控网络大模型构建方法，其特征在于，以有文献支撑的可靠转录调控先验关系作为分布式子网络输入变量和输出变量的选择依据，利用迁移学习思想进行模型训练，以获取转录过程中的调控关系，包括以下步骤： 步骤S1，通过转录调控先验知识获取转录调控关系，得到转录因子对应靶基因的配对； 步骤S2，构建分布式转录调控网络大模型； 步骤S3，在泛转录组数据上进行模型预训练，获取多种菌株中存在的转录调控关系的高阶特征； 步骤S4，采用时序数据集，对模型进行微调以得到特异性分布式大模型； 步骤S5，根据数据特征制定预测结果的评价指标，将预测结果的分为三级准确程度，根据各子网络的准确程度来观察数据集对模型预测性能的影响以及它们的可靠性； 所述分布式转录调控网络大模型由分布式子网络组成，所述分布式子网络基于数据库中获取的转录调控机理网络，将机理网络以靶基因为中心进行分离，以转录因子的表达水平作为输入，靶基因的表达水平作为输出；所述分布式子网络为多输入单输出的结构； 所述步骤S3中的预训练是根据分布式网络在泛转录组数据集上进行数据处理和对齐并进行分布式训练的过程，包括以下步骤： 步骤S301，对泛转录组数据集中的数据进行补充与对齐； 步骤S302,将所有的数据对齐到对数空间中，使其数据分布适合机器学习的训练，其处理公式表示为，其中TPM为每百万转录本个数; 步骤S303,根据每一个子网络的输入输出的不同，将预训练数据进行分割以适应每一个子网络的特征； 步骤S304，将每一个分布式子网络单独训练，分布式结构保证各子网络之间互不影响； 所述步骤S4中的微调是将预训练完成的各个子模型在下游任务的具体数据集上继续训练的过程，包括以下步骤： 步骤S401,对微调数据集进行处理，将预训练数据集与微调数据集在基因数、基因名上对齐，对各子网络的结构根据微调数据集进行调整，采用插值的方法将各样本间的时间间隔对齐，以方便模型的微调训练； 步骤S402，将微调数据对齐到对数空间，数据处理公式是：,其中x为对不同转录因子的表达量进行扰动后，在不同时间点检测其他基因表达量变化的时间序列测序数据，是对数转换的转录因子扰动前后基因表达量比值； 步骤S403，固定各子模型的部分参数，基于迁移学习将一部分参数冻结在预训练的结果上，其他参数在预训练结果的基础上继续训练； 步骤S404，对微调数据集进行分割，确定各子网络的输入和输出，送入各子模型中按照分布式训练的方法进行模型微调。

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上海交通大学;华东理工大学，其通讯地址为：200030 上海市徐汇区华山路1954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。