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！

龙图腾网获悉常州大学申请的专利基于异构子网融合多源特征miRNA疾病关联预测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：CN116959553B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202310919381.2，技术领域涉及：G16B5/00；该发明授权基于异构子网融合多源特征miRNA疾病关联预测方法是由侯振杰;姚海滨;陈严;孙晓燕设计研发完成，并于2023-07-25向国家知识产权局提交的专利申请。

本基于异构子网融合多源特征miRNA疾病关联预测方法在说明书摘要公布了：本发明涉及miRNA‑疾病技术领域，尤其涉及基于异构子网融合多源特征miRNA疾病关联预测方法，包括构建疾病相似性网络、miRNA相似性网络和miRNA疾病相互作用网络，利用RWR提取疾病拓扑结构特征向量和miRNA拓扑结构特征向量；对疾病‑miRNA关联矩阵进行非负矩阵分解；将疾病拓扑结构特征与miRNA低秩空间特征融合；将miRNA拓扑结构特征与疾病低秩空间特征融合；得到疾病和miRNA的异构子网；分别在miRNA的异构子网和疾病的异构子网上利用GCN进行节点嵌入后重构疾病‑miRNA关联。本发明解决现有方法在进行图嵌入前仅从相似性数据中获取特征，不能全面的反映疾病或miRNA的问题。

本发明授权基于异构子网融合多源特征miRNA疾病关联预测方法在权利要求书中公布了：1.基于异构子网融合多源特征miRNA疾病关联预测方法，其特征在于，包括以下步骤： 步骤一、通过多源信息构建疾病相似性网络、miRNA相似性网络和miRNA-疾病相互作用网络；利用随机游走算法RWR提取疾病拓扑结构特征向量和miRNA拓扑结构特征向量，并进行归一化得到疾病拓扑结构特征矩阵和miRNA拓扑结构特征矩阵； 步骤二、对疾病-miRNA关联矩阵进行非负矩阵分解，分别得到疾病和miRNA的低秩空间特征； 步骤三、将疾病拓扑结构特征与miRNA低秩空间特征融合；将miRNA拓扑结构特征与疾病低秩空间特征融合； 步骤四、结合疾病相似性网络、miRNA相似性网络以及疾病-miRNA相互作用网络划分得到疾病异构子网和miRNA的异构子网； 步骤五、分别在miRNA的异构子网和疾病的异构子网上利用GCN进行节点嵌入后重构疾病-miRNA关联； 步骤五具体包括： 步骤51、利用图卷积网络从miRNA子网来学习miRNA的初步嵌入； miRNA的初步嵌入的公式为： 22 其中，是的归一化后的邻接矩阵，是对角矩阵，为miRNA的异构子网；是系数矩阵，是一个偏置矩阵，是激活函数，为疾病拓扑结构特征与miRNA低秩空间特征融合后的特征矩阵； 同理，通过相同的嵌入过程，计算出疾病子网的初步嵌入； 步骤52、引入CRF层确保相似miRNA具有相似的嵌入，并采用自注意力机制来区分相邻节点对给定节点的贡献； miRNA的CRF层损失函数的公式为： 23 24 其中，表示从GCN卷积层获得节点的初步嵌入，表示在CRF层更新的节点的嵌入；表示节点之间的注意力得分，表示节点i的邻居，和是权重因子； 步骤53、重构疾病-miRNA关联矩阵和损失函数； 关联矩阵和损失函数的公式为： 28 29 其中，和分别为将表征投影回疾病和miRNA的原始特征的空间因素，为均方误差，和分别表示正样本和负样本的集合，和分别为miRNA和疾病的特征矩阵，为miRNA子网的ij节点； 步骤54、利用总损失函数计算miRNA整体损失； 总损失函数定义如下： 30 其中，为权重系数，为疾病-miRNA损失函数，为miRNA的CRF层损失函数，和为训练参数； 同理，在疾病子网中得到重构矩阵中的分数，将两个子网的分数进行融合得到最终的得分矩阵：； 最后，利用得分矩阵中的分数进行排序来预测新的疾病-miRNA关联。

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常州大学，其通讯地址为：213164 江苏省常州市武进区湖塘镇滆湖中路21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。