基于深度玻尔兹曼机的蛋白质O-糖基化位点的预测

用深度学习(DL)的方法对蛋白质O-糖基化位点进行了预测。首先用SMOTE方法处理非平衡数据集,对较少一类的样本用"近亲繁殖"的方法产生新的样本,弥补"欠采样"或"过采样"造成的预测误差;然后用深度学习中的深度玻尔兹曼机神经网络(DBM)进行分类(预测),并用多数投票法对结果进行集成。实验结果表明,DBM是预测O-糖基化位点的行之有效的方法。     

蛋白质糖基化位点的因子分析及KNN预测

为了分析糖基化蛋白质序列的结构特点并提高蛋白质O-糖基化位点的预测准确率,首先用因子分析的方法得到了训练样本的公因子,进一步得到了训练样本的因子得分以及变换矩阵;对测试样本首先用变换矩阵进行变换得到测试样本的因子得分,用K-最近邻(KNN)方法对因子得分进行分类。实验样本用稀疏编码方式编码,窗口长度为21。实验结果表明,与直接用KNN对原始观测数据进行预测的方法相比,通过因子分析变换对因子得分进行预测的结果更好。     

基于融合的短时交通流预测

短时交通流预测在交通管制中有十分重要的作用。本文利用三种机器学习方法,基于三种融合策略提出新的短时交通流融合预测模型。通过实例验证,基于融合的方法预测精度高于单一预测方法;其中基于kNN融合模型精度最高,交通流量相对误差指标(MPE、MAPE、RMSE)分别降低了37.98%、4.53%、17.82%,旅行时间方面分别降低了80.34%,19.55%,20.67%。     

蛋白质的结构预测

蛋白质结构预测的目的在于揭示蛋白质氨基酸序列与蛋白质空间结构之间的关系,进行蛋白质高级结构预测,为进一步的结构与功能研究及分子设计提供基础。蛋白质结构预测问题是分子生物学的中心法则中尚未解决的内容,被称之为第二代遗传密码问题。该问题的解决不仅具有理论意义,而且对于生物技术的发展具有重要的指导意义。     

基于MATLAB的蛋白质二级结构类型预测

蛋白质二级结构预测在蛋白质结构预测中具有很重要的作用。文章提出了一种新的伪氨基酸构造方法,即氨基酸疏水性百分比法,并结合氨基酸的成分进行预测,通过计算机中的matlab仿真结果表明具有高效的分类效果,通过国际公认的Jackknife检验方法显示预测成功率达到89.22%,比其他方法的高出许多。     

基于单字符周期性的蛋白质结构类型预测

蛋白质结构类型预测是生物信息学中的一个重要课题.本文根据氨基酸在蛋白质序列中出现的周期,结合信息论中shannon熵给出了蛋白质序列的38维向量表示,并将其应用到蛋白质结构类型的预测,分类的总体识别率达到85%左右.     

融合权利要求语义特征的专利价值早期预测研究

[研究目的]探索有效的方法实现对专利价值的早期预测既可为后续高价值专利培育提供更多机会,也可对问题专利等低价值专利进行早期识别,减少公共资源虚耗,对推动知识产权高质量发展至关重要。[研究方法]聚焦现有研究鲜少关注的专利权力要求书,提出一种融合权利要求语义特征的专利价值早期预测方法。首先,对权利要求文本进行解析并提取语义特征;然后融合权利要求语义特征构建专利价值评估指标体系并运用皮尔逊相关性分析方法进行指标优化;最后,结合CatBoost分类模型和SHAP方法实现高价值专利的早期挖掘和低价值专利的早期识别。[研究结论]结果表明,构建的专利价值早期预测模型分类准确率达到90.79%,相较于传统机器学习方法具有准确性更高、解释性更好、适用性更广的优势;首次引入的权利要求语义特征对于预测专利价值贡献显著,融合该特征的指标体系具有一定的优越性。     

为什么要预测蛋白质结构

蛋白质结构与药物的研发密切相关,在谈蛋白质结构之前,让我们先聊聊药物.常言道,一把钥匙开一把锁,对于人体来说,药物相当于一把"钥匙",它必须要找到人体内与之对应的那把"锁"才能发挥作用.人体内的"锁"往往是一些生物大分子(如蛋白质、DNA或者RNA),被称为药物的靶点.     

蛋白质结构预测方法研究

蛋白质等大分子的结构和功能的预测是生命科学研究的主要内容之一,一个特定的蛋白质的功能通常是由它的三维结构或构象决定的。就蛋白质结构预测方法进行简述,目的是更好的为下一步的蛋白质结构预测研究提供方便,同时也强调了蛋白质结构预测对生物制药的重要作用。     

基于特征融合的图像检索算法研究

提出一种新颖的基于特征融合的灰度图像检索算法,该算法将图像按一定步长量化并映射为n阶频率矩阵,然后融合矩阵第一、第二奇异值向量的信息得到图像复特征向量,最后以余弦相似度作为图像检索的相似度度量.实验数据分析表明,算法在检索性能上优于传统的颜色直方图法.     

蛋白质结构的预测相关问题探索

目前,许多方法在化学生物信息处理中的应用,建立了一系列的化学生物信息处理新技术引起广大学者的重视.本文主要探索了蛋白质结构的预测相关问题研究进展,包括蛋白质二级结构的预测、蛋白质结构类的预测以及蛋白质家族模体的预测,对于深入蛋白质分析化学研究具有一定作用.     

蛋白质结构类预测方法研究进展

蛋白质结构类型是蛋白质高级结构中基本原件的空间分布,是蛋白质高级结构与功能研究的基础,该研究对蛋白质组学具有重要意义。通过传统实验方法研究蛋白质结构类需要耗费大量的人力、财力、物力,也无法满足数据库中蛋白质序列爆炸性增长的现实需要。目前,基于已积累数据,探索理论计算方法预测蛋白质结构类是当前生物信息学的重要研究内容之一。本文对国内外亚细胞定位预测的研究现状进行了综述。     

基于论文作者特征的期刊影响力预测

【目的】 构建一组反映期刊内部特征信息的作者特征空间向量,以拓展期刊影响力分析方法。【方法】 以图书情报学领域18种核心期刊2011年第1期的380篇论文为研究对象,选取其中3/4的文献为训练样本,构建基于作者特征的期刊影响力预测模型,以剩下的1/4论文为测试样本,检验预测模型的有效性。【结果】 实验发现,期刊影响力预测模型与4年后对应期刊的影响因子具有较好的吻合度。【结论】 说明由期刊作者特征研究期刊影响力是可行的,为研究期刊影响力提供了一种新方法。     

DNA 4mC甲基化修饰位点预测的研究进展

DNA N4-methylacytosine (4mC)在DNA表达、修复和复制方面起着重要作用。准确地预测DNA 4mC位点是了解其功能行为的迫切需要,这将有助于药物发现和生物医学研究。相比于传统湿实验方法而言,基于机器学习的4mC位点识别方法不仅能节省大量的经费,而且能快速大批量地获取4mC修饰位点。本研究对现有预测器进行了汇总分析,并对未来相关研究工作进行展望。     

基于PLS-BP神经网络的卷烟味觉特征预测

基于线性方法与非线性方法结合的思路,应用偏最小二乘法(PLS)和误差反向传播(BP)人工神经网络算法研究卷烟烟气中化学成分对卷烟味觉特征的作用,并建立了基于PLS-BP神经网络的卷烟烟气味觉预测模型,分别对卷烟烟气的甜味、酸味和苦味3种主要味觉进行预测。结果表明,PLS-BP神经网络模型经过学习后,能够对卷烟烟气的味觉特征做出较为准确的预测,从而证明了应用PLS-BP神经网络模型对卷烟烟气味觉特征预测的有效性。     

基于多元融合的企业技术创新合作预测方法研究

合理的技术创新合作预测方法是企业寻找合适的技术创新合作伙伴以提升技术创新绩效的有效手段。论文基于企业专利数据,构建专利所有权人共现网络,应用Katz指标计算企业之间的路径相似性,应用TF-IDF算法构建企业关键词向量,结合余弦相似性计算企业之间的内容相似性,应用社会网络分析方法中的中心性指标计算企业的位置相似性,将三者进一步融合得到企业之间合作的潜在可能性。通过对石墨烯领域企业专利数据分析预测企业间合作的可能性,证实该方法有效,AUC指标值为0.7242,优于单一指标相似性推荐方法,能够提升合作推荐中合适匹配的精确度。     

基于融合特征的商品文本分类方法研究

[目的/意义]随着互联网的发展,线上购物平台的交易量日趋增多,产生了海量的商品文本信息。对商品文本的分类不仅能够揭示用户的消费行为,而且能优化平台对用户的管理和信息推荐,具有十分重要的意义。[方法/过程]文章训练引入Attention机制的双向长短期记忆模型获取文本深层次语义特征;同时为了不丢失文本的统计信息,通过TFIDF算法计算出文本统计特征;融合语义特征和统计特征构建文本特征表示,并结合Softmax分类器得到商品文本分类模型。[结果/结论]通过与传统分类模型SVM和仅通过词向量构建的深度学习模型对比实验,本模型能够显著提升商品文本分类准确率,实验证明此算法可行、有效。[局限]商品种类不够完善,商品种类和描述数量可进一步丰富扩充。     

基于人脸人耳多特征的融合识别

正本文针对人脸识别技术,提出了基于LBP和PCA的生物多模态融合的观点。在生物识别领域中,具有较高的识别准确性,同时降低了采样的复杂度,顺应了生物特征应用领域的趋势。由于单一的人脸或人耳可以提取到的特征信息较少,识别时易出差错导致识别率较低。本文为了提高人物的识别率,保证身份验证时的准确性,提出了基于人脸人耳特征融合的识别技术。通过PCA算法降