基于Hi-c数据的酵母染色体三维结构重构

通过染色体交互频率数据(Hi-c)来预测染色体三维空间结构是近年表观遗传研究热点。研究表明染色体三维空间结构在生物基因表达、调控等方面起到重要作用,对其进行三维重构是研究细胞代谢过程的基本途径。针对酵母Hi-c数据在不同染色体所呈现出的统计特征,拟合出每条染色体交互频率数据分布的数学模型,然后利用梯度上升迭代算法预测并重构其三维结构,并给出模型评估指标。实验结果表明,模型具有较高可重复性和预测精确度。     

新型图形硬件支持下的动态规划局部比对算法加速研究

为探索准确、高效、低成本、通用性并存的生物序列局部比对方法。将点阵图算法、启发式算法等各种序列局部比对算法中准确性最高的动态规划局部比对算法在计算机中实现,并通过流式模型将其映射到图形硬件上以实现算法加速,再通过实例比对搜索数据库完成比对时间和每秒百万次格点更新（MCUPS）性能值评测。结果表明,该加速算法在保证比对准确性的同时,能显著提升比对速度。与目前最快的启发式算法相比,比对平均加速为14.5倍,最高加速可达22.9倍。     

利用粒子群算法在菱形网格上预测蛋白质结构

本文在菱形网格上研究讨论了二维HP模型。首先,将蛋白质结构预测问题转化成一个数学问题,并简化成氨基酸序列中每个氨基酸与网格格点的匹配问题。为了解决这个数学问题,我们改进并扩展了经典的粒子群算法。为了验证算法和模型的有效性,我们对一些典型的算例进行数值模拟。通过与方格网上得到的蛋白质构象进行比较,菱形网上的蛋白质构象更自然,更接近真实。我们进一步比较了菱形网格上的紧致构象和非紧致构象。结果显示我们的模型和算法在菱形网格上预测氨基酸序列的蛋白质结构是有效的有意义的。     

计算生物大分子溶剂可及表面积的快速算法

提出了一种新的计算生物大分子溶剂可及表面的算法。这种算法由“立方体算法（ｃｕｂｅａｌｇｏｒｉｔｈｍ）”发展而来，运用二级网格方法建立了水合原子的立方体剖分数据库，大大提高了计算速度，而且可以通过调节格子的大小来选择合适的计算精度，适用于需要进行大量可及表面计算的蛋白质分子结构预测和模拟。     

基于全局最小残差法快速分析混合STR图谱

在法医DNA分析领域，混合短串联重复序列(short tandem repeats,STR)图谱的分析一直是研究难点。当前，国内主要依靠法医进行人工分析，不仅效率低下，分析结果还存在着主观性偏好，难以满足日益增长的STR图谱分析的需求。本文提出一种新的混合STR图谱分析方法——全局最小残差法，不仅可以计算出分析结果，还可以预测出每个组分的混合比例。该方法首先给混合比例赋予了新的定义，然后对等位基因模型进行优化，进而综合考虑STR图谱中的所有基因座，将每个基因座的残差值进行累加求和，选择累加和最小的混合比例作为推断结果，并使用灰狼优化算法快速寻找混合比例的最优值。对于二组分STR图谱，全局最小残差法能够兼顾分析的准确性和分析速度，有利于实现大量的图谱分析。本文提出的算法在实际应用中取得了不错的效果，具有较高的应用价值，可为混合STR图谱分析领域的研究提供新的解决方案。     

联合U-Net和分水岭算法的高郁闭度杉木纯林树冠信息提取

作为我国重要的用材树种，杉木广泛分布于我国南方地区，其株数和树冠信息对于森林资源的精准监测有重要作用，为此准确掌握杉木林分株数及单木树冠信息尤为重要。对于高郁闭度林分，株数和单木树冠信息正确提取的关键是能够准确分割相互遮挡和粘连的树冠。本研究以福建将乐国有林场为研究区，将无人机影像作为数据源，提出一种基于深度学习方法和分水岭算法的树冠信息提取方法：首先采用深度学习神经网络模型U-Net对杉木树冠覆盖区域进行分割，然后利用传统图像分割算法标记控制分水岭算法进行单木分割得到单木树冠；在保持相同训练集、验证集和测试集的情况下，首先对比U-Net模型与传统机器学习方法[随机森林模型(RF)和支持向量机模型(SVM)]在分割树冠覆盖区域上的表现，接着对比了U-Net模型结合标记控制分水岭算法和只使用标记控制分水岭算法进行单木分割的精度。结果表明：U-Net模型在分割精度、精确率、交互比、精确率与召回率的调和均值4个指标上均高于RF和SVM,与RF相比，4项指标分别提升4.6%、14.9%、7.6%、0.05,与SVM相比，4项指标分别提升3.3%、8.5%、8.1%、0.05。在提取单木株数方面...     

利用图像识别技术计算薇甘菊锈病的相对病斑面积

[目的]为了定量评估薇甘菊柄锈菌对薇甘菊的防控效果,研发一种基于图像识别技术的高效、准确的薇甘菊叶片相对病斑面积的计算方法.[方法]利用图像识别、网格法、复印称重法3种相对面积的计算方法,分别计算薇甘菊感染柄锈菌后的相对病斑面积,并结合以手动分割的结果作为标准,计算各方法的绝对准确率和绝对误差并作为评价指标,最终对3种...     

Knowledge-Domain Semantic Searching and Recommendation Based on Improved Ant Colony Algorithm

To obtain accurate search results and advocate the use of human effort in discovering knowledge, we propose a method based on Ant Colony Algorithm （ACA）. The proposed method simulates the behavior of ants searching for food. Specific features such as the behavior of ants searching for food, their established search paths, and the ant ＂neighborhood＂ profile are investigated. The investigation results reveal that the behavior of people searching for useful information resembles that of ants searching for food. We also use semantic annotation and the decreasing matrix dimension approach to accelerate the food searching process an.d shorten the distance between the query starting points and the ultimate answers. A user behavior model is constructed based on personal and domain ontologies. Experimental evaluation with the enhanced ACA has two parts： （1） estimating the efficiency of information retrieval with user interests considered and （2） identifying how to weigh usage and rate user data during recommendation.     

脑源定位技术的精度评估及其在实际中的应用

脑源定位技术旨在通过头皮表面的脑电、脑磁信号来识别大脑内的神经活动源，是研究大脑皮层神经活动、认知过程和病理功能的基础。其毫秒级的时间分辨率可以有效弥补功能核磁共振在低时间分辨率方面的不足。然而，理论分析层面中逆问题的不适定性，以及实践操作层面上不同的记录方式、电极数量和头模型构建等过程带来的误差，给脑源定位的准确性带来极大挑战，也在一定程度上限制了脑源定位方法在神经科学和心理学研究以及临床诊断治疗中的实际应用。因此，理论分析和实践操作层面中的精度评估在脑源定位方法的实际使用中至关重要。针对以上问题，本文在对现有脑源定位方法介绍的基础上，着重分析了脑源定位技术的精度评估方法以及其在基础研究和临床诊断治疗中的实际应用。具体地，本文在理论分析中总结了基于空间分辨率、基于点扩散以及串扰函数的评估方法对于不同脑源定位方法中源的重叠程度和其他源对目标源的影响；在实践操作中介绍了记录方式、电极数量和密度、头部容积传导模型等因素对源定位精度的影响；进一步介绍了脑源定位技术在时频分析、连通性分析中的应用，以及其在临床中的应用，包括癫痫、注意缺陷与多动障碍等脑部疾病。     

基于高密度单核苷酸多态性的共祖远亲缘关系预测算法准确性研究

目的 研究构建基于共祖（identity-by-descent，IBD）片段算法预测远亲缘关系分析流程并评估预测准确性。方法 采用高密度单核苷酸多态性（single nucleotide polymorphism，SNP）芯片对253份家系样本进行检测，研究基于IBD片段算法的分析流程进行两两个体间亲缘关系预测，评估预测准确性。随机减少SNP位点，评估位点数对算法预测准确性的影响。结果 IBD片段算法预测1~7级亲缘关系平均置信区间准确率为94.72%，预测可信度为99.77%，6级及以上亲缘关系预测时出现假阴性。随着SNP数量减少，预测准确性会出现一定程度的下降。结论 IBD片段算法可用于7级以内亲缘关系的预测，该算法在群体遗传学、法医遗传学等领域有重要应用价值。