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！

龙图腾网获悉西安交通大学申请的专利多非编码RNA和疾病关联性预测方法、装置、设备及介质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：CN116646002B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310423803.7，技术领域涉及：G16B20/20；该发明授权多非编码RNA和疾病关联性预测方法、装置、设备及介质是由付来义;宁智伟;王莹;彭勤科设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本多非编码RNA和疾病关联性预测方法、装置、设备及介质在说明书摘要公布了：本发明属于机器学习领域，公开了一种多非编码RNA和疾病关联性预测方法、装置、设备及介质，包括构建miRNA、lncRNA和疾病三者间的生物信息网络，根据生物信息网络，提取第一节点的全局信息和第二节点的全局信息；构建第一节点的无连接子图和第二节点的无连接子图，聚合第一节点的邻居节点特征和第二节点的邻居节点特征，得到第一节点的局部信息和第二节点的局部信息；将第一节点和第二节点的全局信息与局部信息进行拼接得到第一节点的特征表示和第二节点的特征表示；将第一节点的特征表示和第二节点的特征表示输入预设的关联性预测模型，得到第一节点和第二节点的关联性预测结果。有效提高了预测结果的准确性，实现多非编码RNA和疾病的关联性关系分析。

本发明授权多非编码RNA和疾病关联性预测方法、装置、设备及介质在权利要求书中公布了：1.一种多非编码RNA和疾病关联性预测方法，其特征在于，包括： 构建miRNA、lncRNA和疾病三者间的生物信息网络； 根据生物信息网络，通过基于图结构的拉普拉斯变换与绝对角色编码的方式，提取第一节点的全局信息和第二节点的全局信息；其中，第一节点和第二节点均为生物信息网络中的节点； 构建第一节点的无连接子图和第二节点的无连接子图，并基于第一节点的无连接子图和第二节点的无连接子图，聚合第一节点的邻居节点特征和第二节点的邻居节点特征，得到第一节点的局部信息和第二节点的局部信息； 将第一节点的全局信息与局部信息进行拼接得到第一节点的特征表示，将第二节点的全局信息与局部信息进行拼接得到第二节点的特征表示； 将第一节点的特征表示和第二节点的特征表示输入预设的关联性预测模型，得到第一节点和第二节点的关联性预测结果； 所述根据生物信息网络，通过基于图结构的拉普拉斯变换与绝对角色编码的方式，提取第一节点的全局信息和第二节点的全局信息包括： 获取生物信息网络的相似度矩阵，并根据生物信息网络的相似度矩阵得到第一节点的相似度信息和第二节点的相似度信息； 获取生物信息网络的图结构的度矩阵以及连接矩阵，并根据图结构的度矩阵以及连接矩阵得到生物信息网络的拉普拉斯矩阵，根据拉普拉斯矩阵得到第一节点的拉普拉斯特征向量和第二节点的拉普拉斯特征向量； 根据生物信息网络，通过Weisfeiler-Lehman算法得到第一节点的绝对角色嵌入编码和第二节点的绝对角色嵌入编码； 拼接第一节点的相似度信息、拉普拉斯特征向量和绝对角色嵌入编码，得到第一节点的全局信息；拼接第二节点的相似度信息、拉普拉斯特征向量和绝对角色嵌入编码，得到第二节点的全局信息； 所述预设的关联性预测模型通过如下方式构建： 将Transformer模型的编码器与多层感知机网络连接，得到初始关联性预测模型，根据训练数据训练初始关联性预测模型，得到预设的关联性预测模型；其中，Transformer模型的编码器部分用于输入第一节点的特征表示和第二节点的特征表示，多层感知机网络用于输出第一节点和第二节点的关联性预测结果。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。