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。     

神经网络方法在蛋白质结构预测中的研究与应用

蛋白质结构预测在生物信息学研究中占有重要地位。对神经网络在蛋白质结构预测中的应用作了评述。首先,简要地介绍了人工神经网络,然后对近年来用神经网络算法解决蛋白质结构预测的研究作了回顾,并分析了算法的效果和特点。最后,展望了用神经网络算法解决蛋白质结构预测问题的前景。     

神经网络在蛋白质结构预测中的应用

蛋白质结构预测在生物信息学研究中占有重要地位.此文对神经网络在蛋白质结构预测中的应用作了评述。首先,简要地介绍了人工神经网络,然后对近年来用神经网络算法解决蛋白质结构预测的研究作了回顾,并分析了算法的效果和特点。最后,展望了用神经网络算法解决蛋白质结构预测问题的前景。     

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.     

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.     

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。     

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。     

用Delphi 5.0开发生物大分子三维结构信息系统

介绍用Delphi5.0开发的蛋白质大分子三维结构信息系统。该系统提供蛋白质大分子信息及二维，三维图像的检索，浏览，保存及通过局域网发送的功能。蛋白质大分子三维结构数据来源为美国布鲁克海文（Brookhaven)蛋白质数据库（pdb)。该系统安装在学校图书馆的文献资源服务器上，包括有重要应用价值的多肽大分子等记录1000多条，中文操作平台。根据学科发展需要将不断完善和丰富数据库内容和功能。     

三维遗传信息与第三遗传密码

本文系对生物系统的一个重大科学问题由假说到求证所作的阶段性自主探索的报导和讨论.主要涉及mRNA与编码蛋白质之间是否存在三维结构的遗传关系和对破译"第三遗传密码"的探索.事实上,基于实验数据和结构模型,我们已经发现和找到多项证据来证实这种关系的存在,但还缺乏直接的关键生物学实验证据来证明"三维遗传信息"存在的正确性.目前,生物学实验已起步.     

给蛋白质拍写真

磁共振力显微镜能以非侵入的方式生成蛋白质等生物结构的三维图像,为人们提供了观察病毒、细菌、蛋白质和其他生物分子的新方法。     

基于AB非格模型和遗传退火算法的蛋白质折叠预测

蛋白质结构预测的主要难点之一是全局优化问题。以AB非格模型为基础,采用遗传和模拟退火方法来进行蛋白质折叠预测,同时对遗传算法的变异函数进行了改进,重新设计出假设生成后的排序策略。实验结果表明,在AB非格模型中利用遗传退火算法可以有效地完成蛋白质折叠的预测,能在保持较高精度的情况下快速收敛到全局最优解。     

认识"预测市场"——浅析这一预测工具及其于情报发现中的应用

当今信息社会,预测活动涉及各行各业,因此精确的预测显得尤为重要。然而近些年来,信息膨胀、数据迅速更新等现实问题使得精确的预测变得极为困难。依靠历史数据进行预测的传统方法已经失效。新型预测工具——"预测市场",由于可以准确预测未来事件而备受研究者关注。通过研究预测市场能用于预测未来事件的理论基础,揭示了其特有的市场运作特征,并且提出了其在情报发现中的潜在应用。     

信使RNA三维遗传信息的研究

遗传信息在从DNA到RNA再到蛋白质的传递过程中,翻译过程是一个关键的步骤,通过翻译,从成熟的mRNA序列可以得到蛋白质的氨基酸序列,一般认为遗传信息就是这样得以表达的。应该注意的是,这样的信息仅只是一维序列上的信息。蛋白质作为生命活动的主要物质,其生物功能取决于它的三维构象。目前比较普遍的观点认为,蛋白质的三维结构由它的一维结构(氨基酸顺序)所决定,即通常说的“序列决定构象”。     

神经网络在蛋白质折叠预测中的应用

蛋白质的生物功能是由它们的空间折叠结构决定的,理解蛋白质的折叠过程是生物信息学领城中极具挑战的问题之一.求解精度和计算时间是蛋白质折叠结构预测中要解决的主要问题,神经网络具有较强的逼近非线性函数的能力,并具有自适应学习的优点,以及良好的寻优能力.笔者对如何使用神经网络方法解决蛋白质折叠预测问题进行了分析与展望.     

基于LabVIEW运动平台运动规律的研究

针对微纳米结构精确电纺直写定位和图案化制造需求,本文提出了一种基于三维平台设计的多轴运动控制系统。采用"PC机+三维运动平台"的设计方案,在上位机上基于Lab VIEW软件通过调用Active X外部程序接口开发出系统的控制界面和程序框图。该控制系统人机界面友好,操作简单不仅可以对运动轨迹进行实时的数据采集,还可对数据进行后期的处理分析。在对平台运动规律的研究掌握上,为电纺直写的精确定位和图案化沉积制造提供了可靠的理论依据。     

组合预测模型在我国快递量预测中的应用

快递量是我国经济结构至关重要的一部分,所以快递量的精确预测对我国经济结构的调整有重要的意义。本文利用1995年至2016年的相关数据,分别应用二次指数平滑模型、多项式曲线预测模型、建立ARIMA模型对数据进行预测和分析,再通过对这三种预测方法分别赋予不同的权重建立加权组合预测模型来改进预测误差,通过比较分析得出算子组合模型预测的精度更高,并运用该组合预测对2017年至2020年的快递量进行预测。     

复杂断块油田中长期稳产规划研究

通过对复杂断块油田开发矛盾与潜力进行深入分析,形成了"准确刻画开发形势、深刻揭示开发规律、精确预测开发趋势"的技术路线,并结合效益情况,确定了不同开发方式、不同油品性质的产量结构及配套技术,为同类油田持续稳产提供了具有指导意义的思路和措施。     

融合多元生物数据预测蛋白相互作用关系

蛋白质相互作用关系预测是当前生物信息学研究的一个重大挑战。现有挖掘蛋白质相互作用关系方法大部分都是基于单种生物数据,这会影响结果的准确。本文融合蛋白质序列信息,结构信息和蛋白质相互作用网络信息,提出一种新的蛋白质相互关系预测算法。实验结果证明本算法优于现有的方法。     

利用多学科数据进行沉积相随机模拟研究

以Y油田为例,探讨应用测井、地质和地震资料及标点过程方法进行沉积微相三维建模的方法,并研究了该区砂体的定量结构模式和概率分布.结果表明:Ng2组砂体的结构模式近似于"千层饼"状;东营组砂体的定量结构模式为"迷宫状".综合多学科资料,可以有效的提取三维相建模所需要的地质统计学参数及概率关系,进而建立符合研究区地质特点的沉积相模型,并对储层预测的多解性进行有效评价.