人工神经网络模型在水稻群体分蘖动态模拟中外推能力的测试

研究利用人工神经网络模型 ,以水稻群体分蘖动态为例 ,采用交互验证和独立验证的方式 ,对水稻生长 BP网络模型进行了训练与模拟 ,其结果与水稻群体分蘖的积温统计模型、基本动力学模型和复合分蘖模型进行了比较。研究结果表明 ,神经网络模型具有一定的外推能力 ,但其外推能力依赖于大量的训练样本。神经网络模型具有较好的拟合能力 ,是因为有较多的模型参数 ,因此对神经网络模型的训练需要大量的参数来保证其参数不致过度吻合。具有外推能力神经网络模型的最少训练样本数应大于 6 .75倍于神经网络参数数目 ,小于 13.5倍于神经网络参数数目。因此在应用神经网络模型时 ,如果神经网络模型包括较多的输入变量时 ,可考虑采用主成分分析、对应分析等技术对输入变量进行信息综合 ,相应地减少网络模型的参数。另一方面 ,当训练样本不足时 ,最好只用神经网络模型对同一系统的情况进行模拟 ,应谨慎使用神经网络模型进行外推。神经网络模型给作物模拟研究的科学工作者提供了一个“傻瓜”式工具 ,对数学建模不熟悉的农业研究人员 ,人工神经网络可以替代数学建模进行仿真实验 ;对于精通数学建模的研究人员来说 ,它至少是一种补充和可作为比较的非线性数据处理方法     

酵母双杂交及其衍生系统

酵母双杂交系统是一种研究蛋白质相互作用的分子生物学方法,过去20多年里,大量衍生系统的出现使得这套双杂交技术体系更加完善和高效,成为研究蛋白质-配体相互作用的重要技术手段,广泛应用于功能基因组学、蛋白质组学、病理学等研究领域。对酵母双杂交及其衍生系统的基本原理和应用进展进行综述。     

噬菌体展示技术的理论基础及其在感染性疾病防治中的应用

噬菌体展示技术是一种高通量研究基因功能、蛋白质表达及其相互作用的有效方法,具有与生物芯片一样的大量快速检测、发现并鉴定功能基因及蛋白质-蛋白质相互作用的优点。我们着重介绍噬菌体展示技术的种类、原理,及其在感染性疾病防治中的应用。     

DeepCKI:一个基于变分图自编码器预测细胞-细胞因子相互作用的生物信息学模型

细胞因子(cytokine)是一类由免疫细胞和某些非免疫细胞合成和分泌的信号分子,在免疫系统中通过结合相应受体调节细胞生长、分化和调控免疫应答。目前研究多侧重于通过实验方法检测细胞因子和受体的相互作用来研究细胞间的通讯网络,但存在实验周期长、设备要求高和成本高等不足。因此,有必要通过计算方法来加快对细胞-细胞因子相互作用(cell-cytokine interactions, CKI)的系统研究。本文提出一种基于变分图自编码器(variational graph auto-encoder, VGAE)预测细胞-细胞因子相互作用的深度学习模型——DeepCKI。该模型可有效融合蛋白质相互作用网络和不同类型的蛋白质特征,充分挖掘网络拓扑结构和节点属性中的有效信息,实现对细胞-细胞因子相互作用的高效预测。与变分自编码和深度神经网络方法相比,采用图结构设计的DeepCKI表现出了最优的预测性能。DeepCKI模型对4种不同类型细胞-细胞因子相互作用的ROC曲线下面积均高于0.8,模型具有一定的鲁棒性和有效性。预测打分排名前100的细胞-细胞因子相互作用中,有36对已被最新发表文献验证,表明该模型具有发现新的细胞-细胞因子相互作用的能力。     

小分子有机化合物与DC-SIGN相互作用的荧光光谱分析

采用实验和理论化学研究相结合的方法研究分子间相互作用,这种在计算机上进行“模拟实验”与传统“有机化学实验”相辅相成的研究策略,正在成为有机化学研究的重要手段.本论文利用荧光光谱分析法来研究小分子有机化合物与蛋白底物之间的相互作用机制.利用先进的分子模拟软件,结合分子力学、量子力学和神经网络等方法与分子对接等理论化学手段,建立和优化相互作用的分子间形成复合物的空间构象,并且预测分子间相互作用的稳定性.用荧光光谱分析法对12种小分子有机化合物与DC-SIGN(DC-specific ICAM-3 grabbing nonintegrin)之间的相互作用进行了研究,结果与理论分子模型计算十分吻合.在这12种化合物中,1-脲基氨基甘露糖与DC-SIGN络合的效果最好.这一发现可能对研究新一代抗艾滋病药物有重要意义.     

利用偏相关系数算法挖掘遗传相互作用数据中的通路基因

在生物系统中,遗传相互作用指的是两个基因同时突变的表型异于它们分别突变表型叠加效果的现象.近年来,随着高通量技术的发展,遗传相互作用的高通量筛选得以实现,产生了大量遗传相互作用数据.通路基因指的是一组在同一条生物通路上相互协作的基因,它们共同完成某一项生命过程.发掘遗传相互作用数据中的通路基因可以研究基因之间如何进行相互作用共同影响某种表型,是理解生物学通路的结构和功能,生物系统进化规律,和研究复杂疾病的重要途径.然而,由于基因多效性以及高维数据处理困难等问题,如何发现遗传相互作用数据中的通路基因面临着很大挑战.本文中,我们通过计算基因间的条件独立性,即删除掉通路中的已知基因的影响后,研究基因间的相关性.而这些通路中的已知基因将在模型中作为种子基因发掘通路中的其他基因.我们将讨论该算法在模拟数据和实际数据中的计算效果,证明该算法在遗传相互作用数据应用中的有效性.     

酵母双杂交系统在病原生物学研究中的应用

酵母双杂交系统作为一种新型的研究蛋白质之间相互作用的方法是功能基因组学和蛋白质组学中一种重要的手段,其在病原生物学的后基因组研究中也日益广泛和深入。本文将从病原体与宿主蛋白之间相互作用、病原体内蛋白之间相互作用以及病原体蛋白自身相互作用等三方面作一综述。     

基于自联想神经网络的谷氨酸发酵故障诊断

研究了用自联想神经网络对谷氨酸发酵进行故障诊断。自联想神经网络采用一种带有瓶颈层的特殊结构,且具有单位总增益。在经过大量样本的训练之后,各变量之间能够建立起内在联系。输入信息通过瓶颈层前的压缩及瓶颈层后的解压缩过程,信息中的精华将被提取。应用自联想神经网络对发酵过程变量进行预处理,可以准确及时的进行谷氨酸发酵故障诊断。     

人工神经网络模型及其在农业和生态学研究中的应用

对于一些复杂的农业生态系统,人们对其生态过程了解较少,且这些系统的不确定性和模糊性较大,用传统的方法难以模拟这些系统的行为,神经网络模型因为能较精确地模拟这些系统的行为,而引起生态学者们的广泛兴趣。该文着重介绍了误差逆传神经网络模型的结构、算法及其在农业和生态学中的应用研究。误差逆传神经网络模型一般采用三层神经网络模型结构,三层的神经网络模型能模拟任意复杂程度的连续函数,而且因为它的结构小而不容易产生与训练数据的过度吻合。误差逆传神经网络模型算法的主要特征是:利用当前的输入误差对权值进行调整。在生态学和农业研究中,误差逆传神经网络模型通常作为非线性函数模拟器用于预测作物产量、生物生产量、生物与环境之间的关系等。已有的研究表明:误差逆传神经网络模型的模拟精度要远远高于多元线性方程,类似于非线性方程,而在样本量足够的情况下,有一定的外推能力。但是误差逆传神经网络模型需要大量的样本量来保证所求取参数的可靠性,但这在实际研究中很难做到,因而限制了误差逆传神经网络模型的应用。近年来人们提出了强制训练停止、复合模型等多种技术来提高误差逆传神经网络模型的外推能力,也提出了Garson算法、敏感性分析以及随机化检验等技术对误差逆传神经网络模型的机理进行解释。误差逆传神经网络模型的真正优势在于模拟人们了解较少或不确定性和模糊性较大系统的行为,这些是传统模型所无法实现的,因而是对传统机理模型的重要补充。     

大规模酵母双杂交技术研究蛋白质相互作用的应用

简介了酵母双杂交技术原理, 总结了酵母双杂交技术大规模筛选蛋白质相互作用的基础、应用及存在的问题。因为大规模酵母双杂交技术结果有大量假阳性及假阴性问题, 因此, 有条件情况下有必要同时开展其他方法的大规模蛋白相互作用研究, 以构建规模更大可信度更高的蛋白质相互作用网络图。     

评估蛋白质相互作用可信度的生物信息学方法

随着基因组规模的高通量实验鉴定技术和计算预测方法的发展,出现了大量蛋白质相互作用数据,但大规模蛋白质相互作用数据中的较高比例的假阳性影响了相互作用数据的质量。生物信息学方法能够从已有的数据和知识出发,通过计算方法系统评估大规模蛋白质相互作用的可信度。本文从过程模型设计、数据集构建、特征选择与综合属性抽取、一些算法使用、实例概述等方面介绍了生物信息学方法评估蛋白质相互作用可信度的研究特点与进展。     

酵母杂交系统的改进与研究进展

蛋白-蛋白相互作用在细胞生命活动中起着关键的作用。后基因组时代主要是研究蛋白的功能,通过研究蛋白的相互作用及其图谱的构建来了解蛋白的功能。研究蛋白-蛋白相互作用的方法很多,酵母杂交是最常用的检测体内蛋白-蛋白相互作用的敏感系统。随着人们对该系统的广泛应用。这一系统得到了不断的完善及改进,并广泛应用于蛋白-蛋白、蛋白质-RNA、蛋白质-DNA以及其他的小分子间相互作用的研究。拟就酵母杂交系统的原理、改进、发展及应用做一综述。     

CBSG-PPI:基于图神经网络的蛋白质-蛋白质相互作用的预测算法

为提高蛋白质-蛋白质相互作用(protein-protein interaction, PPI)预测的准确性,并深入探索细胞信号传导和疾病发生的生物学机制,本文提出一种简称为CBSG-PPI的预测算法。该算法首先利用3层前馈网络来处理蛋白质的k-mer特征,采用CT方法和Bert方法提取蛋白质的氨基酸序列以及使用卷积神经网络提取蛋白质的序列特征,再结合图神经网络和多层感知机来准确预测PPI。与现有的预测技术相比,CBSG-PPI在准确率、 F1分数、召回率和精确率等多个关键性能指标上展现了明显的优势,在公开数据集上分别达到了0.855、 0.853、 0.840和0.866的高分。此外,本算法采用了一种改进的参数调整方法,显著提高了计算效率,其预测速度比传统算法快了约140倍。这一显著的性能提升,不仅证实了CBSG-PPI在预测PPI方面的研究价值,也为未来蛋白质间相互作用网络的构建和分析提供了有用的计算工具。     

计算神经科学的一个范例

<正>计算神经科学的最终目标,是要阐明人类和动物的神经系统是怎样使用它的微观组件及其相互作用来表征和处理信息的.这一目标体现在近半个世记以来神经网络研究的曲折发展之中.近10年来,计算神经科学已在三个主要方面发生了显著的变化:神经科学在分于、细胞、回路、网络、系统、行为乃至心理等各各个研究水平上的全面进展,使得我们对神经系统的结构与功能有了更多的认识;对大规模形式神经元网络理论模型的研究,使得我们对神经网络系统的协同行为和自发计算性能有了更加深刻的理解;包括超级计算机、高度并行的联结机和     

计算神经科学的一个范例

计算神经科学的最终目标,是要阐明人类和动物的神经系统是怎样使用它的微观组件及其相互作用来表征和处理信息的.这一目标体现在近半个世记以来神经网络研究的曲折发展之中.近10年来,计算神经科学已在三个主要方面发生了显著的变化:神经科学在分于、细胞、回路、网络、系统、行为乃至心理等各各个研究水平上的全面进展,使得我们对神经系统的结构与功能有了更多的认识;对大规模形式神经元网络理论模型的研究,使得我们对神经网络系统的协同行为和自发计算性能有了更加深刻的理解;包括超级计算机、高度并行的联结机和     

植物间正相互作用对种群动态和群落结构的影响:基于个体模型的研究进展

植物间的相互作用对种群动态和群落结构有着重要的影响。大量的野外实验已经揭示了正相互作用(互利)在群落中的普遍存在及其重要性。为了弥补野外实验方法的不足, 模型方法被越来越多地应用于正相互作用及其生态学效应的研究中。该文基于个体模型研究, 探讨了植物间正相互作用对种群动态和群落结构的影响。介绍了植物间正相互作用的定义和发生机制、植物间相互作用与环境梯度的关系。正相互作用是指发生在相邻的植物个体之间, 至少对其中一个个体有益的相互作用。植物通过直接(生境改善或资源富集)或间接(协同防御等)作用使局部环境有利于邻体而发生正相互作用。胁迫梯度假说认为互利的强度或重要性随着环境胁迫度的增加而增加, 但是越来越多的经验研究认为胁迫梯度假说需要改进。以网格模型和影响域模型为例, 介绍了基于个体的植物间相互作用模型方法。基于个体模型, 对近年来国内外正相互作用对种群时间动态(如生物量-密度关系)、空间分布格局和群落结构(如群落生物量-物种丰富度关系)影响的研究进行了总结。指出未来的研究应集中在对正相互作用概念和机制的理解, 新的模型, 新的种群、群落, 甚至生态系统问题, 以及在全球变化背景下进行相关的研究。     

表面等离子体共振技术在药物研究中的应用

表面等离子体共振(surface plasmon resonance,SPR)技术作为一种新型的免标记、实时在线研究生物分子间相互作用的高灵敏传感技术,已经在生命科学领域中得到了大量应用。该文简要介绍了SPR生物传感器的基本原理,重点评述了其在新药筛选和药物作用机制方面的研究进展,并对其前景进行了展望。     

营养相互作用对传统发酵食品微生物群落构建的推动作用研究进展

传统发酵食品是由自然接种的多微生物组成的混菌体系,了解微生物群落自发式构建的机制是认识发酵机理和调控发酵的关键。尽管大量的测序数据已经对传统发酵食品中微生物群落的结构和功能有了较为清晰的认识,但是仍然不清楚微生物群落自发式构建的机制。本文提出微生物群落是分布式的代谢系统,微生物之间的营养相互作用推动了传统发酵食品微生物群落的自发式构建。本文主要阐述了营养相互作用的概念、发生的机理以及研究方法体系,整理了传统发酵食品中微生物之间营养相互作用的研究进展,并提出了未来的研究方向。通过营养相互作用推动的传统发酵食品微生物群落的自发式构建有助于定向控制发酵过程中的微生物种类、提高生产效率和改善发酵质量。     

发现蛋白质相互作用的新途径——酵母双杂交系统及其应用

生命中无时无刻不存在生物大分子之间的相互作用,其中包括核酸之间、核酸与蛋白质之间以及蛋白质之间的相互作用。以往研究蛋白质之间的相互作用通常采用生化技术,如偶联、免疫共沉淀等方法。1989年,Fields和Song创立了一种崭新的遗传学方法用于研究蛋白质之间的相互作用,即酵母双杂交系统(Yeast     

微量热泳动技术的生物医学研究进展

微量热泳动技术基于荧光标记分子在温度梯度内的定向移动,能够在溶液中快速、灵敏地测量生物相关分子间的相互作用。它不需要表面固定和大量样品,对相对分子质量也没有限制。热泳动对分子的大小、电荷和水化层的微小变化都十分敏感,适合于蛋白质、核酸、小分子和离子等多种物质的相互作用研究。微量热泳动技术由于其独特的优势,目前已经在生物医学领域中有了初步应用。本文介绍了微量热泳动技术的背景和其在生物医学领域中不同生物相关分子间相互作用分析的研究进展。