《生物工程学报》对摘要的写作要求

<正>1.研究报告摘要:基本要素包括研究目的、方法、结果和结论 (不用单列标题书写)。目的 (Purpose):主要说明作者写此文章的目的,或说明本文主要要解决的问题;方法 (Methods):重点说明作者的主要工作过程及使用的方法。应用性文章如需要,可注明条件、使用的主要设备和仪器。结果 (Results):本文最后得出的结果 (实验数据部分)。结论 (Conclusions):如系基础研究,应写明本文的创新之处,及文章     

土地利用/覆盖变化对中国不同季节气温的影响

近几十年中国地区土地利用/覆盖变化(LUCC)较大,在区域气候模拟中尤其需要使用更加准确的土地利用/覆盖数据。基于模式原有的USGS和新开发的LUC90两种土地利用/覆盖资料,利用区域环境集成模拟系统(RIEMS2.0)分别进行连续10a模拟,分析LUCC对中国不同季节气温的影响。结果表明:1)采用LUC90资料后,中国及东北、华北、华南夏季平均气温增加,但只有东北模拟与观测值的偏差减小,且通过显著性检验(P0.01)。中国及东北、华南冬季平均气温增加,并且模拟与观测值的偏差减少。中国及华北和华南对冬季气温年际变率的模拟改善好于夏季。2)土地利用/覆盖变化通过影响潜热通量的变化和净吸收辐射通量的变化来影响不同季节气温的变化。冬季净辐射通量变化对气温变化的贡献较夏季大,而夏季潜热通量变化对气温变化的贡献较冬季大。雨养农田转变森林、草地、灌溉农田过程造成通量变化,其对气温变化的影响也存在不同分区季节的差异。     

奇异数据筛选法在玉米籽粒蛋白质近红外光谱检测中的应用

相对于传统生化测定方法,基于近红外光谱(Near infrared spectroscopy,NIRS)玉米籽粒蛋白质含量检测是一种快速、非破坏、且适用于多组分同时检测的新方法。但在建模过程中,由于奇异数据(异常值)的存在会影响近红外光谱模型的预测精度和稳定性,我们采用奇异数据筛选法剔除了玉米籽粒近红外光谱中的奇异数据并建立了玉米籽粒蛋白质含量的偏最小二乘支持向量机(Least squares support vector machine,LS-SVM)模型。本文分别采用杠杆值法(Leverage)、半数重采样法(Resampling by Half-Mean,RHM)和蒙特卡洛采样法(Monte-Carlo Sampling,MCS)剔除了玉米籽粒蛋白质光谱数据中的奇异数据并对模型结果进行比较。在剔除奇异数据的基础上,采用偏最小二乘回归法(Partial least squares regression,PLSR)提取主成分,并基于小生境蚁群算法(Niche ant colony algorithm,NACA)优化偏最小二乘支持向量机(LS-SVM)模型参数(γ和σ2),建立基于LS-SVM的玉米籽粒蛋白质定量分析模型。结果表明,采用3种奇异数据筛选法剔除奇异数据后所建LS-SVM模型的预测结果都优于采用原光谱数据所建模型,相比较而言,蒙特卡洛采样法为基于近红外光谱检测玉米籽粒蛋白质的最佳奇异数据筛选法。     

基于形态框架数据的淞江鲈种群鉴别(英文)

采用形态框架数据阐明了中国3个现存的淞江鲈地理种群的形态差异。每条鱼测量22个形态度量参数,用Burnaby的多变量方法校正形态度量参数,采用聚类和判别分析来区别种群的差异。结果显示:1)3个地理种群可以分成两组,第1组包括青龙河种群和富春江种群,第2组包括鸭绿江种群;2)根据F-remove值,挑选出最大的5个形态参数:D(2-3)、D(7-9)、D(6-5)、D(6-8)、D(2-1),用挑选后的5个形态参数进行判别分析的判别准确率达100%,显示这3个地理种群是形态上可辨别的种群。地理隔离和环境因子也许是淞江鲈种群形态差异的主要影响因素。虽然形态度量对于判别淞江鲈的种群有效,但对于其种群结构的进一步确认研究是必要的。     

一种新的生态监测数据质量评估方法——以CERN乔木生长数据为例

将数据可靠性作为有序变量进行分级,在理论上使数据可靠性与主要生态过程、次级生态过程、外部过程等数据源建立关联,构建了一种生态监测数据质量评估方法,提供了一个新的数据质量指数.它通过观察记录的合格率来估计数据集的质量,其检测结果包括了每一条数据的可靠性级别、标记为离群或错误数据的原因,以及完整数据集的质量指数值.将该方法应用于CERN的两个乔木生长数据集,发现该数据质量指数可以定量评估乔木生长数据集的质量.该方法为相关软件的开发提供了基础.     

基于邻接矩阵分解的肿瘤亚型特征提取方法

基于肿瘤基因表达谱的肿瘤分类是生物信息学的一个重要研究内容。传统的肿瘤信息特征提取方法大多基于信息基因选择方法,但是在筛选基因时,不可避免的会造成分类信息的流失。提出了一种基于邻接矩阵分解的肿瘤亚型特征提取方法,首先对肿瘤基因表达谱数据构造高斯权邻接矩阵,接着对邻接矩阵进行奇异值分解,最后将分解得到的正交矩阵特征行向量作为分类特征输入支持向量机进行分类识别。采用留一法对白血病两个亚型的基因表达谱数据集进行实验,实验结果证明了该方法的可行性和有效性。     

基于小波包变换的基因微阵列数据预处理方法

目的:基于阿尔茨海默病微阵列基因表达数据,分析研究微阵列基因表达数据预处理的新的有效方法。方法:首先采用标准差滤波、FSC(特征记分准则)和WPT-SAM(小波包变换-微阵列数据显著性分析)方法对微阵列基因表达数据进行预处理,比较处理后获得的基因数和FDR值;然后采用分类聚类方法对处理后的数据进行分类聚类和分层决策聚类,比较分类聚类结果。结果:标准差滤波和FSC方法获得的初筛基因数据较WPT-SAM方法多,但FDR值也高、后续分类聚类结果较WPT-SAM方法差。结论:WPT-SAM方法在预处理微阵列基因表达数据中,是比较灵活理想的分析方法。     

构建基于EBI数据库的本地SRS服务系统

为了建立基于EBI数据库的本地SRS服务系统,进而为生物医学研究人员提供方便、快速搜索EBI常用生物数据库的web服务,同时提供一套技术机制为其他生物医学研究机构建设自己的SRS服务系统提供参考。在Linux系统和Tomcat环境下安装调试EBI提供的SRS8.1学术版软件,并利用perl和shell程序设计语言开发EBI数据库的自动下载和定期更新模块。完成了本地SRS系统的安装和测试,实现了EBI数据库的自动下载和更新机制,目前系统已经正常运行。     

基于小波低频系数基因芯片数据的特征提取

特征提取和分类是模式识别中的关键问题。结合小波分析理论和支持向量机理论,构造分类器模型,将前列腺癌基因芯片数据分成癌症和正常两种。提取小波低频系数表征原始数据并送入支持向量机分类器分类,实验证明:提取db1小波4层分解下的低频系数,送入分类器分类后正确分类率达到93.53%。Haar小波的正确率是92.94%。可见提取不同小波低频系数,得到的分类效果相差不大。     

BDCGrid:基于Globus的生物信息高性能计算网格系统

随着分子生物信息数据量高速增长,生物信息学面临着大规模、高通量、密集型计算的巨大挑战。为有效利用计算机资源,缩短高通量生物信息计算程序执行时间,我们基于Globus Toolkit网格中间件,实现了一个支持高通量生物数据计算的网格系统(Biological Data Computing Grid,简称BDCGrid)。BDCGrid计算网格系统模型可以有效整合中小型生物信息学实验室计算机资源,大大缩短高通量生物信息计算程序执行时间,为相关研究人员利用现有计算机资源处理大规模、高通量生物信息计算任务提供一种新的途径。