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(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜中國石油大學(xué)(華東)申請的專利基于矩陣增強(qiáng)和協(xié)作雙矩陣補(bǔ)全的SM-miRNA關(guān)聯(lián)預(yù)測方法獲國家發(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：CN119360951B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-09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：202411906873.9，技術(shù)領(lǐng)域涉及：G16B15/30；該發(fā)明授權(quán)基于矩陣增強(qiáng)和協(xié)作雙矩陣補(bǔ)全的SM-miRNA關(guān)聯(lián)預(yù)測方法是由王淑棟;劉體耀;王爽;吳文浩;張魁杰;王璐琦;張媛媛設(shè)計研發(fā)完成，并于2024-12-24向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于矩陣增強(qiáng)和協(xié)作雙矩陣補(bǔ)全的SM-miRNA關(guān)聯(lián)預(yù)測方法在說明書摘要公布了：本發(fā)明涉及生物技術(shù)領(lǐng)域，特別涉及基于矩陣增強(qiáng)和協(xié)作雙矩陣補(bǔ)全的SM?miRNA關(guān)聯(lián)預(yù)測方法，包括以下步驟：步驟1、通過高斯徑向基函數(shù)分別增強(qiáng)綜合的SM相似性矩陣和綜合的miRNA相似性矩陣的精度；步驟2、通過截斷schattenp?范數(shù)最小化獲得一個在[0,1]范圍內(nèi)的概率值，并將獲得的概率值替換SM?miRNA關(guān)聯(lián)矩陣的缺失數(shù)據(jù)，更新SM?miRNA關(guān)聯(lián)矩陣；步驟3、對步驟2中更新后的SM?miRNA關(guān)聯(lián)矩陣進(jìn)行截斷矩陣分解，分解后結(jié)合步驟1中增強(qiáng)后的綜合的SM相似性矩陣和綜合的miRNA相似性矩陣計算，獲得預(yù)測得分矩陣，并根據(jù)預(yù)測得分矩陣預(yù)測結(jié)果，通過上述技術(shù)方案，本發(fā)明具有提高相似度量的準(zhǔn)確性和模型計算速度、預(yù)測時全面且靈活的優(yōu)點(diǎn)。

本發(fā)明授權(quán)基于矩陣增強(qiáng)和協(xié)作雙矩陣補(bǔ)全的SM-miRNA關(guān)聯(lián)預(yù)測方法在權(quán)利要求書中公布了：1.基于矩陣增強(qiáng)和協(xié)作雙矩陣補(bǔ)全的SM-miRNA關(guān)聯(lián)預(yù)測方法，其特征在于，包括以下步驟：步驟1、通過高斯徑向基函數(shù)分別增強(qiáng)綜合的SM相似性矩陣和綜合的miRNA相似性矩陣的精度；步驟2、通過截斷schattenp-范數(shù)最小化獲得一個在[0,1]范圍內(nèi)的概率值，并將獲得的概率值替換SM-miRNA關(guān)聯(lián)矩陣的缺失數(shù)據(jù)，更新SM-miRNA關(guān)聯(lián)矩陣；步驟3、對步驟2中更新后的SM-miRNA關(guān)聯(lián)矩陣進(jìn)行截斷矩陣分解，分解后結(jié)合步驟1中增強(qiáng)后的綜合的SM相似性矩陣和綜合的miRNA相似性矩陣計算，獲得預(yù)測得分矩陣，并根據(jù)預(yù)測得分矩陣預(yù)測結(jié)果；高斯徑向基函數(shù)對綜合SM相似度進(jìn)行矩陣增強(qiáng)后，獲得復(fù)合相似矩陣SSM， 其中，Ri和Rj分別為綜合的SM相似性矩陣Ssm的第i行向量和第j行向量，σ表示對函數(shù)帶寬進(jìn)行調(diào)節(jié)的參數(shù)；高斯徑向基函數(shù)對綜合miRNA相似度進(jìn)行矩陣增強(qiáng)后，獲得相似矩陣SM， 其中，R′i和R′j分別為綜合的miRNA相似性矩陣Sm的第i行向量和第j行向量，σ表示對函數(shù)帶寬進(jìn)行調(diào)節(jié)的參數(shù)；截斷矩陣分解用于將MMA矩陣分解為兩個特征矩陣，兩個特征矩陣分別為：矩陣A和矩陣B，矩陣H*≈ABT，且通過截斷奇異值的個數(shù)提取關(guān)鍵特征；在步驟3中，截斷矩陣分解步驟2中更新的藥物-miRNA矩陣的過程為：步驟31、通過矩陣A和矩陣B構(gòu)建截斷矩陣分解的目標(biāo)函數(shù)；步驟32、通過對矩陣H*≈ABT使用SVD方法獲得變量的初始值；步驟33、通過交替最小二乘方法優(yōu)化步驟31中構(gòu)建的目標(biāo)函數(shù)，優(yōu)化后迭代更新矩陣A和矩陣B直至收斂，收斂后獲得最終的矩陣A和矩陣B，并根據(jù)最終的矩陣A和矩陣B獲得最終的預(yù)測得分矩陣其中，在步驟31中，通過矩陣A和矩陣B構(gòu)建的截斷矩陣分解的目標(biāo)函數(shù)為： 其中，||·||表示弗羅貝紐斯范數(shù)，λt、λs和λm均為非負(fù)參數(shù)，表示矩陣H*的近似模型，用于識別潛在特征矩陣A和矩陣B；表示Tikhonov正則化要求，最小化矩陣A和矩陣B的范數(shù)用于防止過擬合；和均表示正則化要求，用于確保相似的SMs和miRNA的潛在特征向量是相似的。

如需購買、轉(zhuǎn)讓、實(shí)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)人中國石油大學(xué)(華東)，其通訊地址為：266400 山東省青島市黃島區(qū)長江西路66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)”。