基于深度学习和K-Square编码的植物miRNA和LncRNA相互作用预测方法（高校公示15天）（不包年费滞纳金）（需要二变）
发明专利基于深度学习和K‑Square编码的植物miRNA和LncRNA相互作用预测方法，属于生物信息技术领域，解决在miRNA和LncRNA相互作用预测中的特征提取方法只能关注到原始的LncRNA和miRNA序列低维度的信息的问题；本发明将LncRNA和miRNA分别进行K‑Square编码之后融合形成二维特征矩阵，特征矩阵可以反映出两种RNA的不同层级的Kmer之间的结合关系；神经网络结构针对经典的残差网络架构进行改进，加入了LSTM模块以及对由残差模块结构提取到的图片特征信息进行Time Distributed处理，将处理二维图片的网络和处理一维序列网络结合在一起，充分地发掘原始序列的特征信息。
《基于深度学习和K-Square编码的植物miRNA和LncRNA相互作用预测方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2023110232432，当前法律状态为已下证，由安徽大学提出申请，发明人为孙战里;勇双豪;孙典正，申请日期为2023-08-11，公开（公告）日期为2025-09-09，国际专利分类号（IPC）为 G16B 15/30 (2019.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：基于深度学习和K‑Square编码的植物miRNA和LncRNA相互作用预测方法，属于生物信息技术领域，解决在miRNA和LncRNA相互作用预测中的特征提取方法只能关注到原始的LncRNA和miRNA序列低维度的信息的问题；本发明将LncRNA和miRNA分别进行K‑Square编码之后融合形成二维特征矩阵，特征矩阵可以反映出两种RNA的不同层级的Kmer之间的结合关系；神经网络结构针对经典的残差网络架构进行改进，加入了LSTM模块以及对由残差模块结构提取到的图片特征信息进行Time Distributed处理，将处理二维图片的网络和处理一维序列网络结合在一起，充分地发掘原始序列的特征信息。
海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！
