買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京郵電大學申請的專利一種基于GPU快速優化運算基因共表達網絡方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN113920003B 。

龍圖騰網通過國家知識產權局官網在2025-05-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111404214.1，技術領域涉及：G06T1/20；該發明授權一種基于GPU快速優化運算基因共表達網絡方法是由季星來;朱琳;劉佳鑫;楊洪宇;周偉設計研發完成，并于2021-11-24向國家知識產權局提交的專利申請。

本一種基于GPU快速優化運算基因共表達網絡方法在說明書摘要公布了：本發明公開了一種基于GPU快速優化運算基因共表達網絡方法，屬于互聯網領域，包括以下步驟：步驟一：建立數據讀取模塊、相關性矩陣系數迭代模塊和等級數值迭代模塊，并用GPU提供算力，構建基因共表達網絡；步驟二：利用數據讀取模塊進行讀取輸入文件的相關數據。引入了迭代思想，用舊值遞推新值，使其能夠適應不同條件下的基因共表達數據，進而構建加權關聯網絡并獲得更具有生物學意義的結果；由于GPU具有多核心，將其運用在基因共表達網絡分析上，用來處理基因共表達矩陣，能夠大大減少分析周期，縮短分析等待時間。在此之上，需要的硬件和軟件環境較簡單，安裝方便。

本發明授權一種基于GPU快速優化運算基因共表達網絡方法在權利要求書中公布了：1.一種基于GPU快速優化運算基因共表達網絡方法，其特征在于，包括以下步驟：步驟一：建立數據讀取模塊、相關性矩陣系數迭代模塊和等級數值迭代模塊，并用GPU提供算力，構建基因共表達網絡；步驟二：利用數據讀取模塊進行讀取輸入文件的相關數據；步驟三：將上述讀取的數據通過相關性矩陣系數迭代模塊選擇相應的數字模型對相關性矩陣的系數進行處理和迭代更新；步驟四：將步驟二和步驟三獲得的數據根據用戶的選擇，通過等級數值迭代模塊和相關性矩陣系數迭代模塊分別進行直接計算、矩陣迭代后計算、同時迭代計算和常規計算；步驟五：獲取步驟四中計算獲得的數組和等級數值；步驟六：利用快速排序法進行排序并輸出結果；用于上述步驟二中，所述數據讀取模塊讀取相關數據的步驟流程依次為：讀入基因總數量、讀取相關性矩陣第一行、將不同基因的名稱進行劃分、讀取相關系數及保存為二維數組的格式；用于上述步驟三中，數字模型的種類分別為：同縮小模型、分隔變化模型和同增大模型三種模型；用于上述步驟三中，相關性矩陣系數迭代模塊進行迭代更新的流程：讀取保存有系數的二維數組；計算每個元素經過一次數學計算的值；判斷兩次迭代的差值是否大于0.001；根據判斷結果，選擇更新二維數組的內容或者重新進行計算；用于上述步驟四中數組通過等級數值迭代模塊進行計算的流程，包括以下步驟：初始化轉移概率矩陣；根據系數賦值；初始化結構數組；計算LR值，并判斷計算結果差值或迭代次數是否符合停止條件；如果不符合則重新開始計算LR值，如果符合則保存數據到結果數據中；所述相關性矩陣系數迭代模塊通過GPU進行基因共表達數據的處理；用于上述步驟四中，直接計算：即不進行相關性矩陣的系數迭代直接對其連接關系進行等級數值的迭代；矩陣迭代后計算：即對相關性矩陣的系數進行迭代后按新的連接關系進行等級數值的迭代；同時迭代計算：即對相關矩陣的系數每進行一次迭代就進行一次等級數值的計算，直到相關性矩陣迭代結束；常規計算：用于計算單向邊的網絡圖；數字模型的種類分別為：同縮小模型、分隔變化模型和同增大模型三種模型，其中：同縮小模型采用的迭代方程為分隔變化模型采用的迭代方程為同增大模型采用的迭代方程為如果兩次迭代的差值大于0.001則重新進行計算每個元素經過一次數學計算的值，如果兩次迭代的差值小于0.001則更新二維數組的內容。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京郵電大學，其通訊地址為：210023 江蘇省南京市棲霞區文苑路9號南京郵電大學；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。