基于Z曲线方法重新注释脑膜炎奈瑟菌MC58株基因组

已测序的微生物基因组中包含的注释开放阅读框(open reading frames,ORFs)可以分为两大类:第一类对应于功能已知的蛋白质编码基因;第二类则为功能未知的假设ORFs,其中通常有一部分实际上不编码蛋白质。采用基于Z曲线的方法从属于第一类的功能已知基因出发训练参数,进而确定第二类ORFs中非编码的部分。通过支持向量机的学习及分类,结果显示十重交叉检验平均正确率为98.45%,说明Z曲线联合支持向量机是一种高度准确的基因识别方法。最终,确定216个假设ORFs实际上不编码蛋白质。通过采用Blastp进行序列比对,保留的假设ORFs中有341个在高可靠性的条件下获得了功能信息。根据蛋白质直系同源簇方法进行功能分类,分别有30、53、59和159个新注释的假设ORFs属于信息储存和加工类、细胞加工和信号传递类、新陈代谢类和特征不明显类。另外还有70个不属于其中的任何一类。注释结果比RefSeq及GenBank提供的原注释更加准确,更加完整。     

基于去趋势波动分析和支持向量机的癫痫脑电分类

癫痫脑电的自动检测与分类对于癫痫患者的诊断治疗具有重要意义.本文提出了一种基于去趋势波动分析(detrended fluctuation analysis,DFA)、波动指数和支持向量机(support vectormachine,SVM)的癫痫脑电分类方法.首先采用DFA方法计算脑电的标度指数,然后对脑电进行4～8 ...     

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。     

基于小波特征分析的手指动作识别研究

目的:本文利用表面肌电(sEMG)信号来研究多种手指组合动作的识别问题。方法:在对采集的四个通道sEMG信号进行降噪预处理的基础上,采用移动加窗处理方法来提取关于手指运动状态的信号活动段,再分析各个信号活动段的小波系数统计特征,进而利用多类支持向量机(SVM)分类算法来实现手指组合动作的识别。结果:动作识别率最高达到100%。结论:所采用方法能够有效地识别多种手势动作,并为后续基于肌电信号的实时人机接口系统的研究奠定了理论基础。     

基于运动捕捉残疾人计算机辅助系统的尝试

计算机在当代社会已经被普遍应用。为了帮助肢体残疾人使用计算机,本课题组进行了开发基于脑部跟踪的残疾人计算机辅助系统的尝试,初步制作成功了一种能通过三维脑部运动捕捉人脑运动轨迹、以此控制虚拟鼠标完成几个简单动作的残疾人计算机辅助系统,通过训练后可根据脑部的运动操纵计算机。本系统较之单纯利用脑电的脑-机接口有高得多的识别效率,理论上可基本消除误操作,是一项非常有价值的可望能应用于残疾人的计算机辅助系统的尝试。     

基于遗传算法和支持向量机的乳杆菌发酵过程建模

由于生化反应过程的复杂性和高度非线性,多数简单的数学模型不能准确描述。该文基于Matlab软件,利用改进的支持向量机(υ-SVR)对植物乳酸杆菌发酵这一典型生化过程进行研究,应用遗传算法估计模型最优参数,建立植物乳杆菌的菌体密度预测模型。同时建立传统的logistic动力学模型以进行比较。结果表明,采用结合遗传算法的υ-SVR预测模型拟合误差小,皮尔森相关系数(R)更高,可以较好地预测乳酸杆菌的发酵过程,为其优化控制及放大提供依据。     

上海引进国外最新放疗系统RapidArc

近日,上海复旦大学附属肿瘤医院引进国外最新的放疗设备——弧形动态调强放射治疗机RapidArc。将国际上最新型的放疗设备系统RapidAre引入,结合该院抗癌优势,上海有了最快2分钟照射杀肿瘤的放疗新技术,让七成病人获得了治疗上的“解放”。     

基于二层特征筛选的HIV-1蛋白酶特异位点预测

在抗艾滋病治疗中,HIV-1蛋白酶抑制剂发挥着重要作用。对于HIV-1蛋白酶裂解作用位点的研究有助于找到新的治疗靶点。为了对HIV-1蛋白酶特异位点进行预测,本研究用氨基酸索引数据库(Amino Acid Index,AAIndex)中的531个氨基酸物理化学性质参数直接表征肽样本的结构,通过二层特征筛选,最终将4248个表征参数降为57个表征参数。分别采取四种核函数进行HIV-1蛋白酶特异位点的支持向量机(SVM)建模,并通过10折交叉验证及外部测试集方法来验证建模的准确性。结果表明选取NormalizePolyKernel核函数进行SVM建模效果优于其他核函数(PolyKernel、PUK、RBFKernel),所建立的模型对于训练集的10组交叉验证预测准确率达到93.947%,对于外部测试集的预测正确率达到93.684%。     

对应分析在近红外有效波长选择的应用

针对分立波长型近红外判别仪器开发过程中遇到的组合波长优选问题,提出一种基于对应分析的有效波长选择方法.对11种蘑菇样品及其在701-2500nm的光谱信息作对应分析,在对应图上计算各样品点与波长点的距离后,首先由各样品点的最近距离波长点确定出最稳健波长组合,在此基础上,对各样品点的前10、50、200个最近距离波长点进行优选,得出用921nm、1376nm、1424nm、1720nm、2233nm、2454nm这6个波长建立的SVM模型,能在输入变量最少的情况下达到用最稳健波长组合所建模型的预测能力.     

基于SVM 的药物靶点预测方法及其应用

目的:基于已知药物靶点和潜在药物靶点蛋白的一级结构相似性,结合SVM技术研究新的有效的药物靶点预测方法。方法:构造训练样本集,提取蛋白质序列的一级结构特征,进行数据预处理,选择最优核函数,优化参数并进行特征选择,训练最优预测模型,检验模型的预测效果。以G蛋白偶联受体家族的蛋白质为预测集,应用建立的最优分类模型对其进行潜在药物靶点挖掘。结果:基于SVM所建立的最优分类模型预测的平均准确率为81.03%。应用最优分类器对构造的G蛋白预测集进行预测,结果发现预测排位在前20的蛋白质中有多个与疾病相关。特别的,其中有两个G蛋白在治疗靶点数据库(TTD)中显示已作为临床试验的药物靶点。结论:基于SVM和蛋白质序列特征的药物靶点预测方法是有效的,应用该方法预测出的潜在药物靶点能够为发现新的药靶提供参考。