-
题名基于图神经网络的中药系统生物学信息挖掘算法研究
- 1
-
-
作者
张代峰
卞国强
何佳怡
谢佳东
胡晨骏
胡孔法
-
机构
南京中医药大学人工智能与信息技术学院
江苏省智慧中医药健康服务工程研究中心
江苏省中医药防治肿瘤协同创新中心
-
出处
《南京中医药大学学报》
北大核心
2025年第4期483-493,共11页
-
基金
国家自然科学基金面上项目(82074580)
江苏省研究生科研创新计划项目(KYCX23_2079)。
-
文摘
目的构建中药-基因-蛋白复杂网络,优化中药潜在关联基因的挖掘方法,提升中药系统生物学信息的挖掘效能,为进一步探究中药作用机制提供帮助。方法提出融合注意力机制的图神经网络模型HERBGAT,以公开数据平台中少量的中药关联基因数据为输入,在中药-基因-蛋白复杂网络中进行深度挖掘,输出潜在的中药关联基因,将预测结果通过生信平台进行Disease关联分析、KEGG信号通路分析阐明其作用机制,并借助文献检索平台进行预测结果验证。结果训练结果表明,HERBGAT模型预测准确率均值可达94%,相较于其他2种先进的复杂网络挖掘方法,HERBGAT在ACC、AUC和AUPR三项指标中均表现出更优秀的性能;在文献验证环节,模型预测结果得到中医临床文献及现代药理学文献证明,展现出HERBGAT在实际应用中的良好效果。最后,以借助HERBGAT模型和改进的EMOGI模型探究半夏治疗肺癌作用机制为例,发现半夏治疗肺癌的潜在关联基因199个,并借助生物信息学方法对这些潜在关联基因进行初步分析探讨。结论HERBGAT模型能有效挖掘潜在的中药关联基因,提高中药-基因-蛋白复杂网络的挖掘效能,为中药系统生物学信息挖掘方法的优化提供新的思路与参考,为探究中药作用机制等研究提供数据基础及实验方向。
-
关键词
复杂网络
图神经网络模型
系统生物学
中药作用机制
-
Keywords
complex network
graph neural network model
system biology
mechanism of action of traditional Chinese herb
-
分类号
R285.5
[医药卫生—中药学]
-
-
题名基于大小模型协同的智能化移动网络优化研究
被引量：1
- 2
-
-
作者
黄金超
谢志普
吕非彼
狄子翔
邢震
程新洲
-
机构
中国联通研究院
-
出处
《邮电设计技术》
2024年第9期7-12,共6页
-
文摘
提出了一种大小模型协同的智能化移动网络优化方法,首先利用大语言模型处理和理解网络日志、外部开源等非结构化数据,从中提取关键数据。其次构建了一个包含网络设备、参数配置、专家优化经验等多维度信息融合的知识图谱,用于分析网络状态和优化需求之间的关系。然后,通过深度学习、图神经网络等专业工具模型进行根因分析,快速定位网络故障点,并基于专业知识图谱库和大模型的问题推理能力,辅助专家给一线员工提供具体的解决方案。最后,通过实际场景的实施和验证,由专家、一线员工对所提解决方案进行评估和反馈,这些评估和反馈信息经收集后不断返回,形成循环优化。
-
关键词
移动网络优化
大小模型协同
知识图谱
图神经网络模型
大语言模型
-
Keywords
Mobile network optimization
Collaboration of large and small models
Knowledge graph
Graph neural network
Large language model
-
分类号
TN929.5
[电子电信—通信与信息系统]
-
-
题名基于Graphsage的用户携转预测研究
- 3
-
-
作者
汪悦
高伟
程新洲
王思维
孟范玉
-
机构
中国联合网络通信集团有限公司研究院
中国联合网络通信集团有限公司
-
出处
《中国新通信》
2023年第6期24-25,共2页
-
文摘
当前国内移动网络用户已经趋于饱和,运营商之间对于用户的竞争进一步加剧。如何通过人工智能技术提前预测用户携号转出的倾向是运营商目前的一项重要工作。而当前的预测方法大多基于业务人员积累的经验,无法充分发挥运营商海量多模态数据的优势,也无法充分挖掘数据间的关系。因此,本文提出一种基于Focal Loss改进的GraphSAGE(Graph Sample Aggregate)模型,用于用户携转预测。该模型在携转数据集上实验,结果验证了本模型的优异效果。
-
关键词
携转用户预测
图神经网络模型
GraphSAGE
-
分类号
TN929.5
[电子电信—通信与信息系统]
-
