買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉韶關(guān)學(xué)院申請的專利一種多組學(xué)數(shù)據(jù)分析方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116758992B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310716187.4，技術(shù)領(lǐng)域涉及：G16B40/00；該發(fā)明授權(quán)一種多組學(xué)數(shù)據(jù)分析方法是由黃海輝;梁勇;戴經(jīng)國;彭新東設(shè)計研發(fā)完成，并于2023-06-16向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種多組學(xué)數(shù)據(jù)分析方法在說明書摘要公布了：本發(fā)明提出了一種多組學(xué)數(shù)據(jù)分析方法，包括以下步驟：S1，采集生物信息的多組學(xué)數(shù)據(jù)，所述多組學(xué)數(shù)據(jù)包括基因組學(xué)，蛋白組學(xué)，代謝組學(xué)，蛋白質(zhì)組學(xué)、表觀基因組學(xué)、轉(zhuǎn)錄組學(xué)，脂類組學(xué)中的任意兩種或兩種以上的數(shù)據(jù)；S2，將采集的多組學(xué)數(shù)據(jù)輸入MUMA模型中，進行模型的訓(xùn)練；S3，將待測的多組學(xué)數(shù)據(jù)輸入訓(xùn)練完畢的MUMA模型中，得到分類結(jié)果及其相關(guān)解釋。本發(fā)明能夠利用元學(xué)習(xí)技術(shù)從不同的異構(gòu)數(shù)據(jù)源中提取可概括和可解釋的知識，并實現(xiàn)高性能。且提出的方法包括幾個顯式和簡潔的元學(xué)習(xí)器，幫助從多組數(shù)據(jù)自動重加權(quán)樣本。

本發(fā)明授權(quán)一種多組學(xué)數(shù)據(jù)分析方法在權(quán)利要求書中公布了：1.一種多組學(xué)數(shù)據(jù)分析方法，其特征在于，包括以下步驟： S1，采集生物信息的多組學(xué)數(shù)據(jù)，所述多組學(xué)數(shù)據(jù)包括基因組學(xué)，蛋白組學(xué)，代謝組學(xué)，蛋白質(zhì)組學(xué)、表觀基因組學(xué)、轉(zhuǎn)錄組學(xué)，脂類組學(xué)中的任意兩種或兩種以上的數(shù)據(jù)； S2，將采集的多組學(xué)數(shù)據(jù)輸入MUMA模型中，進行模型的訓(xùn)練； MUMA模型為： 表示第i個樣本在第j個組學(xué)中的權(quán)重； m表示組學(xué)總數(shù)； n表示樣本總數(shù)； 表示訓(xùn)練集上第j個組學(xué)中第i個樣本的損失函數(shù)； βj表示第j個分類器的模型參數(shù)； λj表示控制模型j的稀疏性的超參數(shù)； ||·||1表示一范數(shù)； Qvj,vk表示將vj,vk進行Q函數(shù)運算； 是一個距離度量懲罰函數(shù)； 所述MUMA模型是基于多個作為分類器的MLP實現(xiàn)的，每一個組學(xué)對應(yīng)一個MLP，每個MLP的輸入為樣本的損失值，輸出為樣本的權(quán)重，并對輸出的樣本權(quán)重使用Sigmoid激活函數(shù)來確保輸出位于[0，1]； MLP之間通過交互正則化項linteractiveβ；Θ進行交互的； ||||2表示二范數(shù)； 表示將Θj輸入元學(xué)習(xí)學(xué)習(xí)器函數(shù)Ψi j； 表示訓(xùn)練集上第j個組學(xué)的損失函數(shù)； Θj表示第j個分類器的超參數(shù)； 表示將Θk輸入元學(xué)習(xí)學(xué)習(xí)器函數(shù)Ψk； 表示訓(xùn)練集上第k個組學(xué)的損失函數(shù)； m表示組學(xué)總數(shù)即分類器總數(shù)； MLP的元學(xué)習(xí)過程包括： 通過遠小于訓(xùn)練樣本數(shù)量的無偏數(shù)據(jù)，以元學(xué)習(xí)的方式自動學(xué)習(xí)超參數(shù)Θj，Θj表示第j個MLP的超參數(shù)； Mj代表了無偏樣本的元知識； 為定義符號； M表示元學(xué)習(xí)過程的組學(xué)數(shù)量； 表示無偏數(shù)據(jù)第j個組學(xué)中第i個樣本的損失函數(shù)； 表示無偏數(shù)據(jù)Dmetaj第j個組學(xué)下第i個樣本的標(biāo)簽； 表示元學(xué)習(xí)過程的第j個分類器模型； 表示無偏數(shù)據(jù)Dmetaj第j個組學(xué)下的第i個樣本的值； λj表示控制第j個分類器的稀疏性的超參數(shù)； ||βj||1表示βj的一范數(shù)； βj是第j個分類器的模型參數(shù)； S3，將待測的多組學(xué)數(shù)據(jù)輸入訓(xùn)練完畢的MUMA模型中，得到分類結(jié)果及其相關(guān)解釋。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人韶關(guān)學(xué)院，其通訊地址為：512023 廣東省韶關(guān)市湞江區(qū)大學(xué)路288號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。