基于Stacking算法与多数据源的有效药物组合

对于癌症、心血管疾病等复杂疾病,采取组合用药克服耐药性和改善功效已成为标准治疗方案。鉴定药物组合标准的方法是进行体内或体外药物筛选实验,但这一过程很缓慢,代价高昂。各种高通量组学技术产生度量药物效应的各层次数据,使得从计算角度挖掘数据进而预测有效药物组合成为主流手段。针对有效药物组合的预测模型大多是利用单一机器学习模型建模。为获得更高的精度,提出一种新的有效药物组合预测方法。该方法充分利用5种不同层次的药物信息构建相似性特征,特别引入药物靶标的序列信息和功能信息,基于Stacking算法融合多个传统机器学习模型和最新的集成学习模型LightGBM。实验表明,该方法预测的AUC值为0.953,精度比单一机器学习模型有显著提升。     

基于OBE理念的药物化学生物学实验教学案例设计

蛋白质热转移法是一种经济快速简便的确证小分子与靶标蛋白相互作用的实验技术,该技术通过实时荧光定量PCR仪测试小分子和靶标蛋白结合后蛋白质熔解温度的变化,确证活性小分子与靶蛋白质分子间的直接相互作用,为科研常用实验手段,但在本科药物化学生物学实验教学中却较少涉猎。基于教研结合,成果导向教育理念(OBE),设计了蛋白质热转移法的实验教学案例。通过该实验的训练有助于药学专业本科生掌握实时荧光定量PCR仪的使用,巩固利用靶标热稳定性改变确证靶标与药物小分子相互作用的原理,培养学生的药物创新意识、团队协作精神和药学实践能力。     

蛋白质芯片

蛋白质芯片是一种研究蛋白质组学的新技术，是高通量、微型化和自动化的蛋白质分析技术。它可以用于构建蛋白质表达谱，进行受体一配体检测，靶目标和靶向药物筛选，蛋白质相互作用研究，肿瘤诊断等。     

多视点视频编码预测结构的研究

不同的多视点视频序列具有不同的时空相关性,MVC采用的分层B帧预测结构无法充分利用视频序列的属性。本文提出了一种能适应不同视频序列编码的方法,通过研究多视点视频图像中的时空相关性和视点间的相关性,适当地取消部分时间层的视点间预测并且对所有P视点的非关键帧均采用视点间预测和调整了I视点的位置。实验结果表明,本文方法在提高编码效率的同时使得预测结构具有更好的随机访问性能、更低的编码复杂度。     

核酸适体技术在生物医学研究中的应用

以单链随机寡核苷酸序列为文库,通过指数富集配体系统进化技术（systematic evolution of ligands by exponential enrichment,SELEX）能够获得与靶标特异性结合的核酸适体,这是一类新型的分子识别探针,其与靶标的亲和力可以同抗原抗体相媲美,甚至优于抗原抗体的结合。核酸适体广泛应用在生化分析、疾病诊断、药物研发等领域。该文将介绍核酸适体的筛选和特点以及核酸适体在生物分子检测、疾病的诊断和治疗中的应用,最后介绍核酸适体在神经系统疾病研究中的应用。     

基于多解并行遗传算法预测RNA二级结构及假结

非编码RNA功能通常与其结构密切相关,准确预测RNA的二级结构有助于揭示RNA的功能。在传统的遗传算法基础上,结合RNA二级结构和假结的特点,提出一种多解并行的遗传算法预测RNA二级结构和假结。首先构建茎区池和初始解集;然后根据RNA二级结构的基本特点建立目标函数、约束函数、自适应度函数和相应的遗传算子,基于初始解集中多条序列—结构模型进行并行遗传迭代,预测最优RNA二级结构;然后在RNA二级结构基础上,使用遗传算法继续进行迭代和筛选,预测含假结的RNA二级结构。实验结果表明,该方法不仅可以解决大规模茎区的组合问题,还可以减少随机性。该方法与常用的预测假结的IPknot方法比较,对单序列RNA的结构预测结果正确率高且稳定。     

基于序列、结构和芯片数据的聚类算法

运用图论中的一系列思想对生物序列、蛋白质结构和基因芯片数据进行综合分析,将多物种的序列进行聚类,为生物基因的功能研究提供了新的思路.其算法首先根据生物序列的相似度、蛋白质结构的相似度和基因芯片数据的相似度建立一级图,然后根据一级图建立二级图,进而通过二级图的分析来挖掘基因的聚类关系.算法聚类的结果可以对各种基因的功能进行预测,可广泛应用于后基因组计划的基因和蛋白质研究.     

基于并行粒子群优化算法的蛋白质二级结构预测

为了提高蛋白质二级结构预测的效率,对具有完全学习策略的量子行为粒子群（CLQPSO）算法进行了研究,实现了一种融合混沌优化与完全学习策略的量子行为粒子群算法;通过在粒子群进化过程中对收缩扩张因子和局部吸引子的混沌优化,提高了敛速和精度．基于统一计算设备架构（CUDA ）,利用GPU 的并行计算能力,将该算法并行化并应用到蛋白质二级结构预测中．实验表明：相比串行实现,该并行算法在对长度较短的残基序列进行蛋白质二级结构预测时,加速比可超过40．     

蛋白质二级结构中密码子次邻、次次邻关联偏好型

对人(Homo sapiens)的117个蛋白质和大肠杆菌(Ecoli)的87个蛋白质的各二级结构相对应的mRNA序列中的密码子次邻、次次邻关联作了统计分析，发现它们的使用对不同种属的蛋白质二级结构有不同的偏好，与密码子紧邻关联的结果比较，说明密码子次邻、次次邻关联对蛋白质二级结构预测也有一定帮助。     

基于序列及结构特征的固有无序蛋白—核酸相互作用位点预测分析

固有无序蛋白是一类具有柔性结构的蛋白质,许多情况下通过与其它物质相互作用形成稳定结构来发挥重要生物功能.本文分别利用基于序列特征和结构特征的蛋白质结合位点预测程序对固有无序蛋白有序区和无序区与核酸分子的结合位点进行了预测分析.结果发现,基于结构特征的结合位点预测方法整体上要优于基于序列特征的预测方法,表明无序区尽管缺少稳定空间结构,结构特征依然在固有无序蛋白结合位点中发挥了重要作用.因此,可以为今后固有无序蛋白序列特征及结构特征的提取提供可靠依据.     

ENSOMIM：一种新型ENSO时空预测模型

为了提高厄尔尼诺南方涛动（El Ni?o-southern oscillation,ENSO）预测的准确性,解决卷积核难以捕获ENSO的长距离前兆的问题,将ENSO预测视为一个时空序列预测问题,并提出一种基于注意力机制和循环神经网络的ENSO非稳态时空预测深度学习模型,称为ENSOMIM。该模型通过提出的新型注意力机制BGAM来局部和全局交互地学习空间特征,并使用高阶非线性时空网络对长期的时间序列特征进行编码。由于ENSO观测数据集样本数量少,为了更充分地训练模型,采用迁移学习的方法,使用历史模式模拟数据进行预训练再利用观测数据校正模型。实验结果表明,ENSOMIM更适合于大区域和长期的预测。在1984—2014年验证期间,ENSOMIM的Ni?o3.4指数的全季节相关性技巧比经典的卷积神经网络提高16%,均方误差降低17%,它可以为长达18个月的提前期提供有效预测,并且在23个月的提前期内相关技巧达到0.45。因此,ENSOMIM可以作为预测ENSO事件的有力工具。     

基于序列模式的业务流程模型的预测对齐

为突破固定模式,实时预测,使流程管理更高效更准确,本文提出一种基于序列模式的对齐预算方法。以业务流程模型和日志集作为输入,通过分析模型中活动的行为关系,将活动划分为不同的序列模式,利用条件概率对序列模式中活动做预测。并且通过实例分析了该方法的有效性。     

分形整合过程在经济预测中的应用

误差逗留模型(Error-DurationModel)是一类具有分形特征的时间序列模型,与一般的时间序列模型相比,误差逗留模型具有更强的序列自相关性,运用该特征可以很好地对具有分形特征的时间序列进行预测,其预测精度也有明显提高。     

蛋白质组学研究进展及展望

蛋白质组从蛋白质整体水平上研究其作用模式、功能机理、调节调控以及蛋白质组群内的相互作用，从而为临床诊断、病理研究、药物筛选、新药开发、新陈代谢途径研究等提供理论依据和基础。蛋白质组的研究手段主要有2DE、质谱技术以及研究蛋白质之间相互作用的酵母双杂交、表面等离子技术等。本简单地回顾了近年来蛋白质组学研究的一些成果及该领域近年来的发展动态。     

计算机辅助直接药物分子设计

由于分子生物学、生物信息学、多维核磁共振、X射线晶体图形学、同步辐射源 等的应用,大大提高了测定蛋白质大分子的三维结构的能力,创新药物的模式正在由盲目 地随机筛选,朝着基于靶标结构合理药物设计方向发展,并且已经取得很大成就.     

基于ARIMA模型的短期风速预测方法

ARIMA模型的实质就是差分运算与ARMA模型的组合.这说明任何非平稳序列只要通过适当阶数的差分和选择合适的差分算子就可以实现平稳化处理.由于不同的随机时间序列有着不同的特点,需要选择合适的差分算子来匹配.为了提高风电场风速的预测精度,本文研究了两种不同的差分算子对随机时间序列的影响,分别采用一阶线性差分和一阶对数差分实现了序列的平稳化处理,对差分后的序列进行ARMA队模型拟合与预测,并将两种预测结果进行了对比.     

药物与血清白蛋白相互作用中荧光光谱学的研究进展

研究药物分子与蛋白质相互作用对阐明药物的运输和代谢以及了解蛋白质的结构与功能关系有着重要的意义。综述测定药物分子与血清白蛋白相互作用的荧光猝灭机制、结合常数、结合数、作用力类型以及药物分子对蛋白质构象的影响等基本原理和实验方法,并列举一些药物与血清白蛋白相互作用的实验结果,最后讨论其发展方向。     

一种新型的蛋白质复合物挖掘算法

随着人类基因组计划的完成,如何从蛋白质网络的结构特性出发,有效地识别蛋白质复合物和功能模块正成为蛋白质组学研究的重点.提出一种新型的蛋白质复合物挖掘算法,首先分析蛋白质网络的结构特征,依据每个蛋白质的GO术语相似性对蛋白质网络进行加权,再通过不断地迭代传播,将各节点划分到稳定的集合中,从而识别出蛋白质复合物.该算法与CPM算法(k=3)及Core-Attachment算法进行对照实验,结果表明该算法在预测得到的蛋白质复合物的匹配程度和复合物的功能富集性等方面更有优势.     

时序数据相似匹配技术的研究

时间序列的相似性度量是时间序列数据挖掘研究中的一个重要问题,是进行序列查询、分类、预测的一项基础工作,寻求一种好的度量对提高挖掘任务的效率和准确性有着至关重要的意义.文章提出了基于关键点分段的KT分段线性模式表示和基于时间序列模式表示的KT动态模式匹配距离,采用1NN分类方法,设计了子序列查询实验,对欧氏距离、动态弯曲距离和基于KT模式的动态匹配距离进行了准确率和误报率的分析比较,结果显示该度量方法具有更高的准确性.     

融合帧差循环控制的网络流量监测模型仿真

提出一种融合帧差循环控制的网络流量监测模型,分析了网络流量在网络空间中的数据分布结构,进行网络流量的信号模型时间序列分析,采用融合帧差循环控制方法进行流量信息调度,实现流量的准确预测。仿真结果表明,利用该模型进行网络流量预测精度较高,对异常流量的挖掘准确性较好,可提高网络流量的检测能力。