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！

龍圖騰網獲悉安徽大學申請的專利基于超大規模進化算法和硬件加速的蛋白質異常檢測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：CN114298214B 。

龍圖騰網通過國家知識產權局官網在2025-08-12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：202111613042.9，技術領域涉及：G06F18/24；該發明授權基于超大規模進化算法和硬件加速的蛋白質異常檢測方法是由田野;孟源;張亞杰;張興義設計研發完成，并于2021-12-27向國家知識產權局提交的專利申請。

本基于超大規模進化算法和硬件加速的蛋白質異常檢測方法在說明書摘要公布了：本發明公開了一種基于超大規模進化算法和硬件加速的蛋白質異常檢測方法，包括：1、采集質譜特征數據；2、生成質譜特征選擇方案種群和外部存檔，并設置參數；3、更新外部存檔并對質譜特征進行快速聚類分組；4、執行交配池選擇后，同時在原始空間和分組后的縮減空間生成子代質譜特征選擇方案；5、利用子代特征選擇方案自適應調節算法參數，之后合并子代和父代質譜特征選擇方案種群進行環境選擇，迭代以上過程選取優質特征選擇方案，最終得到最優的蛋白質異常檢測特征選擇方案。本發明能高效地處理超大規模蛋白質異常檢測問題，在超大規模的質譜特征集中快速的獲得優質特征選擇方案并進行蛋白質異常檢測，以提高檢測準確性。

本發明授權基于超大規模進化算法和硬件加速的蛋白質異常檢測方法在權利要求書中公布了：1.一種基于超大規模進化算法和硬件加速的蛋白質異常檢測方法，其特征是按如下步驟進行： 步驟一、使用SELDI方法獲得血清的X×D維的質譜特征集F，用于表征血清中給定質量值的蛋白質的豐度，其中，X表示樣本數，D表示每個樣本所對應的質譜特征數； 步驟二、設定種群大小為N，定義種群集合記為P＝{p1,p2,…,pi,…,pN}，pi表示種群中第i個個體，且每個個體代表從D個質譜特征中選擇不同質譜特征所構成的質譜特征選擇方案，且pi＝{pi1,pi2,…,pij,…,piD}，pij表示第i個個體pi的第j個質譜特征是否選入質譜特征選擇方案中，若pij＝1，則代表選入，若pij＝0，則代表未選入；j∈[1,D]；將種群P中個體所在的搜索空間定義為原始空間，且所述原始空間的維度為D； 步驟2.1、計算每個質譜特征的分數，作為蛋白質異常檢測的重要程度； 步驟2.1.1、在原始空間中生成D個質譜特征選擇方案的集合Q＝{q1,q2,…,qk,…,qD}，qk表示集合Q中第k個個體，且qk＝{qk1,qk2,…,qkj,…,qkD}，qkj表示第k個個體qk的第j個質譜特征是否選入質譜特征選擇方案中，且qk中僅有第k個質譜特征被選入，即qkk＝1，其余qkj＝0，k≠j； 步驟2.1.2、利用式1計算第k個個體qk的分類錯誤率指標errorqk： errorqk＝ENqkX1 式1中，ENqk表示使用第k個個體qk所代表的質譜特征選擇方案時分類錯誤的樣本數，將第k個個體qk所代表的質譜特征選擇方案中所選入的質譜特征數記為numqk； 步驟2.1.3、利用集合Q中每個個體的錯誤率和所選入的質譜特征數對所有個體進行非支配排序，并將個體所在的前沿編號作為個體的分數，記為Score＝{score1,score2,…,scorek,…,scoreD}，其中，scorek表示第k個個體qk的分數，即第k個質譜特征的重要性； 步驟2.2、初始化； 步驟2.2.1、定義并初始化迭代次數t＝1，第t代在原始空間中產生子代的概率為ρt，第t代的分組數為Kt，最大迭代次數為T；初始化質譜特征選擇方案的外部存檔At為空集；外部存檔At的預設值為NA； 步驟2.2.2、初始化第t代種群其中，表示第t代種群Pt的第i個個體，即第i個質譜特征選擇方案，且初始化每個個體的長度為D的全0向量； 步驟2.2.3、初始化i＝1； 步驟2.2.4、生成第i個隨機數randi； 步驟2.2.5、從第i個個體中隨機選擇兩個質譜特征，并將所選擇的兩個質譜特征的索引分別記為m、n，令表示第i個個體中第m個質譜特征是否選入，表示第i個個體中第n個質譜特征是否選入；若scorem＜scoren，則令表示將質譜特征選擇方案個體中第m個質譜特征選入，否則，令表示將特征選擇方案個體中第n個質譜特征選入； 步驟2.2.6、重復執行randi×D次步驟2.2.5，從而得到更新后的第i個個體并賦值給 步驟2.2.6、將i+1賦值給i后，判斷i＞N是否成立，若成立，則表示得到更新后的第t代種群并賦值給Pt后作為初始種群；否則，返回步驟2.2.4執行； 步驟三、更新外部存檔At并對質譜特征進行快速聚類分組； 步驟3.1、將第t代種群Pt和外部存檔At合并，并對合并后的第t代集合進行非支配排序，將排序后的第一個子集賦值給外部存檔At； 若賦值后的外部存檔At中的質譜特征選擇方案的數量超過NA，則計算At中質譜特征選擇方案的擁擠距離，刪除At中擁擠距離最小的質譜特征方案直至At中質譜特征方案的數量不超過NA為止，從而得到更新后的外部存檔并賦值給At； 步驟3.2、根據外部存檔At和第t代的分組數Kt對原始空間中的質譜特征進行聚類； 步驟3.2.1、從At中獲取所有的質譜特征選擇方案記為集合且表示At中第j個質譜特征在不同個體中被選入的情況向量，其中|At|表示At中質譜特征選擇方案的數目，表示第j個質譜特征在At中的第a個體中是否被選中，若則表示選入，若則表示未選入；a∈[1,|At|]； 利用式2獲得第j個質譜特征在不同個體中被選入的情況向量的稀疏度從而得到第t代的稀疏度Sparsityt； 式2中，表示情況向量中元素為1的數目； 步驟3.2.2、將所有質譜特征選入的情況向量的稀疏度最接近0.5的質譜特征作為參考質譜特征，將所述參考質譜特征索引記為c，利用式3計算第b個質譜特征與參考質譜特征之間的相似度從而按照相似度對所有質譜特征進行排序得到第t代的相似度排名rankt； 式3中，表示At中第b個質譜特征未選入且所述參考質譜特征選入的特征選擇方案的數目；表示At中第b個質譜特征選入且所述參考質譜特征未選入的特征選擇方案的數目；表示At中第b個質譜特征選入且所述參考質譜特征選入的特征選擇方案的數目； 步驟3.2.4、將稀疏度Sparsityt中值為1的質譜特征選入情況向量放入同一組值為0的質譜特征選入情況向量放入從rankt中去除和所對應的質譜特征后，得到新的相似度排名并賦值給rankt； 將rankt中的質譜特征平均分成Kt-2組，從而得到分組后的質譜特征的索引集，記為其中，表示第g組質譜特征的索引集，g∈[3,Kt]，其中分別表示中第一個質譜特征和最后一個質譜特征的索引，lt＝[|rankt|Kt-2]表示分組的大小；|rankt|表示相似度排名rankt的長度； 步驟四、執行交配池選擇后，同時在分組后的縮減空間和原始空間中生成子代質譜特征選擇方案； 步驟4.1、對第t代種群Pt進行非支配排序和擁擠距離計算，再按照排名和擁擠距離使用二元錦標賽法從種群Pt中選擇2N個質譜特征選擇方案并作為第t代父代集合P′t，且其中，為第t代父代集合P′t中第s個質譜特征選擇方案；s∈[1,2N]； 步驟4.2、生成長度為2N的隨機向量rand＝{r1,r2,…,rs,…,r2N}，其中，rs表示第s個隨機數； 定義并初始化劃分向量indext為長度2N的全0向量；且 其中，表示第t代父代集合P′t中第s個質譜特征選擇方案為作為原始空間中生成子代的父代個體或者縮減空間中生成子代的父代個體； 若rs＜ρt，則令否則，令從而得到更新后的劃分向量并賦值給indext，其中，表示第t代父代集合P′t中第s個質譜特征選擇方案為原始空間中生成子代的父代個體，表示質譜特征選擇方案為縮減空間中生成子代的父代個體； 步驟4.3、根據劃分向量indext將第t代父代集合P′t中原始空間生成子代的父代個體子集記為PBt，且其中，表示原始空間生成子代的父代個體子集PBt中第e個質譜特征選擇方案，且 表示第e個質譜特征選擇方案中的第j個質譜特征是否被選入；|PBt|為原始空間生成子代的父代數量，e∈[1,|PBt|]； 根據劃分向量indext將父代集合P′t中縮減空間生成子代的父代個體子集記為PB′t，且其中，表示縮減空間生成子代的父代個體子集PB′t中第f個質譜特征選擇方案，且 表示第f個質譜特征選擇方案中第j個質譜特征是否被選入；|PB′t|為縮減空間生成子代的父代數量，f∈[1,|PB′t|]； 步驟4.4、根據分組后的質譜特征的索引集Groupt，將PB′t中個體映射至Kt維的縮減空間中，并將分組Groupt中每個組對應的質譜特征均視作一個維度，從而將原始空間中D維的個體映射到縮減空間中變為Kt維的個體； 利用式4計算原始空間中第f個個體的第g個分組對應的質譜特征選入情況在縮減空間中第g位的取值為1的概率 式4中，表示第t代第g個分組中索引數量； 生成維度為|PB′t|×Kt的隨機矩陣rand′，若則令縮減空間中父代集合PB*t中第f個個體的第g位取值為1，否則，令第g位的取值為0，從而得到原始空間映射到縮減空間中的父代集合PB*t；其中，rand′fg表示rand′中第f個隨機向量的第g個隨機數； 步驟4.5、基于原始空間中的父代集合PBt生成原始空間中的子代集合OBt； 步驟4.5.1、初始化子代集合OBt為空集； 步驟4.5.2、從原始空間的父代個體子集PBt中隨機選擇兩個個體作為父代ut和父代vt，且 表示第j個質譜特征是否被選入，表示選入，表示不選入； 表示第j個質譜特征是否被選入； 初始化子代個體o為父代u； 步驟4.5.3、生成隨機數rand″1，若rand″1＜0.5，則從父代u中所選入的質譜特征且父代v中未選入的質譜特征中隨機選擇兩個質譜特征，并比較兩個質譜特征的分數，將分數更大的質譜特征在子代個體o中對應的質譜特征設定為未選入；否則，從父代u中選入的質譜特征且父代v所選入的質譜特征中隨機選擇兩個質譜特征，并比較兩個質譜特征分數，將分數更小的質譜特征在子代個體o中對應的質譜特征設定為選入； 步驟4.5.4、生成隨機數rand″2，若rand″2＜0.5，從子代o選入的質譜特征中隨機選擇兩個質譜特征，并比較兩個質譜特征分數，將子代個體o中分數更大的質譜特征設定為未選入；否則，從子代個體o未選入的質譜特征中隨機選擇兩個質譜特征，比較兩個質譜特征對分數，將子代個體o中分數更小的質譜特征設定為選入；從而將子代個體o加入到子代集合OBt中； 步驟4.5.5、從父代集合PBt中刪除父代u和父代v后，若父代集合PBt不為空，則返回步驟4.5.2執行，否則，表示得到原始空間中的第t代子代集合OBt； 步驟4.6、對縮減空間中的父代集合PB*t使用單點交叉和逐位突變得到縮減空間中的子代集合其中，表示子代集合OB*t中第h個個體，且 表示第t代子代集合OB*t中第h個個體在縮減空間第g位；|OB*t|表示子代集合OB*t中個體的數量； 步驟4.7、將子代個體映射到原始空間中的子代記作 表示特征選擇方案中第j個質譜特征是否選入；若原始空間中第j個質譜特征屬于第g個分組則將縮減空間中子代個體的第g位賦值給從而得到縮減空間映射到原始空間的子代集合 表示子代集合OB′t中第h個個體，|OB′t|表示子代集合OB′t中個體的數量，且|OB*t|＝|OB′t|； 步驟4.8、將原始空間子代集合OBt和縮減空間映射到原始空間的子代集合OB′t的并集作為第t代子代種群Ot，令第t代子代種群Ot的規模為N； 步驟五、利用第t代子代種群Ot的自適應調節所述分組數量Kt和概率ρt，將第t代子代種群Ot與第t代種群Pt合并后進行環境選擇； 步驟5.1、利用式5和式6分別計算第t+1代質譜特征分組數Kt+1以及第t+1代的概率ρt+1： 式5中，s1,t表示第t代種群Pt在縮減空間里生成子代的數量，ns1,t表示第t代種群Pt在縮減空間里生成的子代中非支配解的數量，s1,t-1表示第t-1代種群Pt-1在縮減空間里生成子代的數量，ns1,t-1表示第t-1代種群Pt-1在縮減空間里生成的子代中非支配解的數量；當t＝1時，將初始種群賦值給第t-1代種群Pt-1； 式6中，s2,t表示第t代種群Pt在原始空間里生成子代的數量，ns2,t表示第t代種群Pt在原始空間里生成的子代中非支配解的數量； 步驟5.2、合并第t代種群Pt和子代種群Ot，并對合并后的2N個個體去重后執行非支配排序和擁擠距離計算，從而選取排序后前N個個體作為第t+1代種群并賦值給Pt； 步驟5.3、將t+1賦值給t后，判斷t＞T是否成立，若成立，則輸出最優特征選擇方案種群Pt，并將所述最優特征選擇方案種群Pt中所選入的質譜特征作為血清中蛋白質是否異常的檢測依據；否則返回步驟三順序執行。

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安徽大學，其通訊地址為：230601 安徽省合肥市經開區九龍路111號；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”。