拽线法:一个构建系统发育树的新算法

这篇文章要讨论的拽线法（DL）是贪婪算法的一种。和Fitch—Margoliash（FM）一样,DL也是基于距离矩阵构建系统发育树,但是和FM算法相比,DL具有低复杂度、较高的容错性和准确度高的优点。当存在误差时,DL算法只是加大了不在同一个父节点下的基因序列的距离,但能够准确的判断序列的亲缘关系,进而得到完美的进化树拓扑结构;相比之下,FM算法让各个基因序列间的距离均摊了这种误差,从而有可能将本应该具有相同父节点的基因序列分到不同的分支。     

免疫进化算法在建立地位指数曲线模型中的应用

选择Schumacher方程构建优势高和地位指数均能写成显式表达式的多形地位指数曲线模型,以同时兼顾优势高和地位指数的估测误差最小为目标函数,采用免疫进化算法求解参数．实例分析表明：该文建立的多形地位指数曲线模型能够客观地反映不同立地下优势高的生长规律,且误差小,应用方便．     

基于分组重量编码的蛋白质功能预测

从蛋白质序列出发,采用分组重量编码(Encoding Based on Grouped Weight,简记EBGW),并结合最近邻居算法对蛋白质功能进行预测。对酵母(Saccharomyces cerevisiae)蛋白质的1826条序列进行预测,整体预测准确率与其他基于序列信息的蛋白质功能预测方法相当。实验结果表明基于EBGW编码方案的新方法可有效地应用于蛋白质功能预测。     

基于机器学习的药物-靶标相互作用预测*

近年来,随着计算机硬件、软件工具和数据丰度的不断突破,以机器学习为代表的人工智能技术在生物、基础医学和药学等领域的应用不断拓展和融合,极大地推动了这些领域的发展,尤其是药物研发领域的变革。其中,药物-靶标相互作用(drug-target interactions, DTI)的识别是药物研发领域中的重要难题和人工智能技术交叉融合的热门方向,研究人员在DTI预测方面做了大量的工作,构建了许多重要的数据库,开发或拓展了各类机器学习算法和工具软件。对基于机器学习的DTI预测的基本流程进行了介绍,并对利用机器学习预测DTI的研究进行了回顾,同时对不同的机器学习方法运用于DTI预测的优缺点进行了简单总结,以期对开发更加有效的预测算法和DTI预测的发展提供帮助。     

基于混沌优化算法的多信号分类脑磁图源定位方法

如何利用实验测得的脑磁图数据准确定位脑磁图源的真实活动位置是脑功能研究和临床应用中的一个关键问题.在脑磁活动源定位问题中,多信号分类算法是被广泛研究和采用的一类方法.为了克服多信号分类算法及其改进算法--递归多信号分类算法全局扫描时速度太慢的缺点,提出了一种基于混沌优化算法的脑磁图源定位新方法.该方法利用混沌运动遍历性的特点估计目标函数的全局最大值,进行初步的脑磁图源定位;然后,在小范围内结合网格的方法,进一步进行精确的定位.实验结果表明,此方法可实现多个脑磁图源的定位,并且定位速度大大加快,同时又能达到所要求的定位精度.     

基于Progressive多序列比对方法的求解多序列比对的启发式算法

在生物信息学研究中,生物序列比对问题占有重要的地位。多序列比对问题是一个NPC问题,由于时间和空间的限制不能够求出精确解。文中简要介绍了Feng和Doolittle提出的多序列比对算法的基本思想,并改进了该算法使之具有更好的比对精度。实验结果表明,新算法对解决一般的progressive多序列比对方法中遇到的局部最优问题有较好的效果。     

植物炭疽病真菌金属硫蛋白的三级结构预测

根据实验测定的Ⅰ类金属硫蛋白(metallothionein, MT)三级结构的实验数据,给出该类蛋白质的两种特征结构(CXC、CXXC一级结构,半胱氨酸-金属络合簇三级结构)的原子间距离约束条件,然后运用距离几何算法计算出一系列可能的构象.从这些构象中经统计分析筛选出目标函数值显著较小的结构作为所预测蛋白质的三级结构模型.用已知结构的蓝蟹MT对方法进行检验证实其可行性后,对植物炭疽病真菌金属硫蛋白CAP3进行了三级结构预测.     

用距离几何算法和同源建模法对水稻类金属硫蛋白（rgMT）的三维结构建模

水稻类金属硫蛋白(rgMT)的两端是高度保守的半胱氨酸富含区的结构域(CR区),中间是不含半胱氨酸的间隔区,呈典型的三段式结构。本研究分别采用距离几何算法和同源建模相结合的方法对水稻类金属硫蛋白进行三级结构建模。在排列出CR区的所有可能的半胱氨酸-金属硫络合的组合方式,并对每一种组合方式给出一定的限制条件后各生成20个随机构象。根据生成的随机构象足否能形成金属硫络合结构,从900个随机构象中最终选出6个构象(N端4种,C端2种组合)作为可能的结构模型。另一方面,采用GOR方法对间隔区进行了二级结构预测,随后用同源建模法对其建模。将上述建成的三部分模型连接起来后形成rgMT的整体三维构象。结果表明rgMT能像哺乳动物MT蛋白一样,可形成两个独立的、在结构和能量上均没有障碍的金属-硫络合结构。介于所有植物类金属硫蛋白都具有典型的三段式结构,其中的一部分还具有与rgMT相同的半胱氨酸排列方式,所以rgMT三维结构模型的建立对于其他植物类金属硫蛋白的结构研究具有重要的参考价值。     

基于灰狼优化算法的蛋白质二级结构分类

针对传统方法在蛋白质二级结构分类中精度低的问题,介绍了一种基于灰狼优化算法的卷积神经网络图像分类算法.首先,选取卷积神经网络模型中所需优化的参数,并且初始化灰狼优化算法的迭代次数、灰狼数量、搜索边界和空间维数;其次,计算优化参数的个体适应度函数,对个体适应度进行排序,确定历史最优解、优解和次优解,更新灰狼的位置;最后,利用经过参数优化的卷积神经网络模型对蛋白质二级结构进行分类.从蛋白质数据库中获得蛋白质二级结构3D模型,转化为多角度拍摄的2D图像作为数据集进行实验.选取残差网络、AlexNet和VGG16三种模型,分别得到92.6％、87.3％和88.9％的准确率,在同数据集下,使用传统方法中的支持向量机和贝叶斯分类器进行对比实验,得到67.0％和53.0％的准确率.实验结果表明,在蛋白质二级结构分类中,与传统方法相比较,基于灰狼优化算法的卷积神经网络精度更高.     

三维肺部图像中疑似肺结节结构的自动提取

本文提出了一种肺部CT图像三维数据中自动提取疑似结节区域的方法。首先结合阈值分割、种子填充等方法,在三维体数据上分割出肺实质。进而利用改进的模糊C均值聚类,提取出结节及具有结节特征的血管、支气管等感兴趣区域。该工作对感兴趣区域的特征提取有重要意义,是早期肺癌计算机辅助诊断重要的一步。