Kazal型蛋白酶抑制剂结构与功能研究进展

蛋白酶抑制剂广泛存在于生物体内,在许多生命活动过程中发挥必不可少的作用,特别是对蛋白酶活性进行精确调控。其中Kazal型蛋白酶抑制剂是最重要的、研究最为广泛的酶抑制剂之一,该类抑制剂一般由一个或几个结构域组成,每一个结构域具有保守的序列和分子构象,同时发现该类抑制剂与蛋白酶作用的结合部位高度易变,它们大多数暴露于与溶剂接触的环上,其中P1部位是抑制作用的关键部位,抑制剂的专一性由P1部位氨基酸残基的性质决定,其它残基取代结合部位残基对抑制剂-酶的结合常数有显著的影响。Laskowski算法可直接从Kazal型丝氨酸蛋白酶抑制剂的序列推测其与6种丝氨酸蛋白酶之间的抑制常数(Ki)。目前在生物体内发现大量的Kazal型蛋白酶抑制剂,并证实其有重要的生物学功能。     

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。     

基于FPGA的彩超信号处理中的壁滤波器设计与实现

目的:探索一种投影初始化无限冲激响应(ⅡR)壁滤波器的设计以及其在现场可编辑门阵列(FPGA)平台上的实现.方法:首先,利用矩阵实验室(Matlab)矩阵运算的优势,进行算法的仿真,通过对仿真结果的分析,初步评估该算法的有效性;其次,将算法进行理论上的优化,以使其能满足在硬件上运行的可行性;最后,根据现场可编辑门阵列(FPGA)的结构特点以及该算法的运算特点,提出了一种硬件运算结构来实现该滤波器算法.结果:这种投影初始化无限冲激响应(ⅡR)壁滤波器能充分利用可编辑门阵列(FPGA)并行运算的特点提高运算效率,并能有效的抑制人体内反射回来的杂波信号,提取出了血流的多普勒频移.结论:投影初始化无限冲激响应(ⅡR)壁滤波器在现场可编辑门阵列(FPGA)里得到了实现.     

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Unscented卡尔曼滤波器的信号转导通路参数与不可观测状态估计

系统生物学的一个主要目的是建立细胞信号转导通路的数学模型。然而细胞信号转导通路多具有较强非线性、参与生化反应物质多等特点,同时测量数据往往不完备,并且混有来自实验各个阶段的各种噪声,这些都给模型参数估计带来很大困难。该文采用Unscented卡尔曼滤波器估计信号转导通路未知参数与模型不可观测状态。以肿瘤坏死因子诱导的核转录因子κB信号转导通路为例进行了仿真,结果表明,采用该方法可以在噪声干扰下较准确地的估计系统未知参数和不能观测状态。     

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.