基于支持向量回归的棉铃虫蛹发育历期估测

温度与发育速率关系模拟是昆虫学研究的一个重要内容, 传统基于经验风险最小的非线性参数模型(Logan模型、Lactin模型和王氏模型)存在诸多弊端。本文基于结构风险最小的改进支持向量回归（SVR）研究温度与棉铃虫Helicoverpa armigera蛹发育历期关系。结果表明: 与传统非线性模型相比, SVR模型性能优异; 基于全部92个样本, SVR模型拟合和留一法预测的决定系数R²分别为0.998和0.996, 估测的蛹期三基点温度更可信。从全部样本中依温度均匀选取部分样本实施独立预测, 当训练集为20个样本时, SVR模型独立预测的R²为0.981, 优于传统非线性模型中独立预测最佳的Lactin模型（R²=0.958）; 当训练集进一步减少到12个样本时, SVR模型的R²仅降低到0.964, 而传统非线性模型均已不适用。结果提示SVR模型在小样本情况下较传统非线性模型优势明显, 在昆虫发育历期估测建模中有应用前景。     

基于支持向量回归的生物测定数据分析

生物测定是生物学、 医学、 毒理学的重要内容与基础。常用的定量生物测定数据分析方法时间-剂量-死亡率模型(TDM)不能对复杂生测数据建立统一模型, 信息利用不充分。本文基于支持向量回归(SVR), 提出了一种能对不同供试因子、 不同供试对象和不同环境条件下复杂生测数据统一建模的新方法。14个简单生测数据和2套复杂生测数据的对比分析结果表明, SVR模型拟合与留一法预测精度均优于TDM模型, 估计的LD50和LT50等指标更为可信。SVR模型有望作为TDM模型的有益补充, 在定量生物测定数据分析中得到广泛应用。     

头孢菌素类抗生素的定量构效关系研究

目的:建立一种预测精度较高的定量构效关系(QSAR)模型,为设计和合成活性更高的头孢菌素类抗生素提供理论依据。方法:发展了一种基于支持向量回归(SVR)和k-最近邻(KNN)的非线性组合预测方法(SVR-KNN),系统研究了48种抗流感嗜血杆菌头孢菌素衍生物的QSAR。结果:留一法预测结果表明,非线性筛选描述符和子模型能明显提高预测精度,汰选子模型后的组合预测精度优于单一子模型,SVR-KNN的MSE、MAPE分别为0.019、1.81%;独立样本预测结果显示,SVR-KNN在所有参比模型中具有最优的预测精度及稳定性,其MSE、MAPE分别为0.010、1.33%。结论:SVR-KNN模型具有较强的预测能力和优异的泛化推广能力,在抗生素及其他药物的QSAR研究中有广泛应用前景。     

基于支持向量回归的酚类化合物QSAR建模

目的：采用定量构效关系（QSAR）方法探索酚类化合物的毒性与分子结构参数的关系。方法：基于支持向量回归（SVR）、依均方误差最小原则选择最优核函数,对酚类化合物及其衍生物进行了QSAR研究。结果：不同数据集选取的最优核函数有异,对小样本、非线性等问题,SVR具有较优的稳定性及预测能力,在酚类化合物及其衍生物的QSAR研究中得到了优于原文献方法的独立预测结果。结论：SVR模型具有较好的预测能力,在QSAR及相关研究中可得到更广泛应用。     

基于支持向量回归的酚类化合物QSAR建模

目的:采用定量构效关系(QSAR)方法探索酚类化合物的毒性与分子结构参数的关系。方法:基于支持向量回归(SVR)、依均方误差最小原则选择最优核函数,对酚类化合物及其衍生物进行了QSAR研究。结果:不同数据集选取的最优核函数有异,对小样本、非线性等问题,SVR具有较优的稳定性及预测能力,在酚类化合物及其衍生物的QSAR研究中得到了优于原文献方法的独立预测结果。结论:SVR模型具有较好的预测能力,在QSAR及相关研究中可得到更广泛应用。     

支持向量机及组合预测在蛋白质四级结构分类中的应用

目的:基于支持向量机建立一个自动化识别新肽链四级结构的方法,提高现有方法的识别精度.方法:改进4种已有的蛋白质一级序列特征值提取方法,采用线性和非线性组合预测方法建立一个有效的组合预测模型.结果:以同源二聚体及非同源二聚体为例.对4种特征值提取方法进行改进后其分类精度均提升了2～3%;进一步实施线性与非线性组合预测后,其分类精度再次提高了2～3%,使独立测试集的分类精度达到了90%以上.结论:4种特征值提取方法均较好地反应出蛋白质一级序列包含四级结构信息,组合预测方法能有效地集多种特征值提取方法优势于一体.     

抗菌肽的研究进展

抗菌肽是一类抗细菌、真菌、病毒、寄生虫及肿瘤细胞的小分子多肽,是生物抵御自然界中有害微生物侵染的重要因素,且具抗菌谱广、无免疫原性、作用机制独特、耐热性好等特性,有望成为抗生素的替代品。本文着重介绍了抗菌肽的性质、种类、作用机理等方面的研究进展,同时对其应用、目前存在的问题进行了讨论。     

改进支持向量机在棉铃虫人工饲料配方优化中的应用

发展新的实验设计与分析方法,通过实施尽可能少的实验而获得满意配方对动植物营养、发酵工程等复杂多因素多水平寻优问题极为重要。本研究结合均匀设计（uniform design, UD）与支持向量回归（support vector regression, SVR）,提出了一种新的配方优化实验设计与分析方法UD-SVR,将其应用于棉铃虫Helicoverpa armigera （Hübner）幼虫人工饲料配方优化。结果表明：在考虑6因素时仅通过2轮22个实验,表征配方优劣的指标--平均蛹重即由初始的0.2436 g高效提升至0.3044 g,明显优于二次多项式偏最小二乘回归等经验风险最小参比模型。UD-SVR预测精度高、指导性强、可解释性好、优化高效,有望在多因素多水平配方优化中得到广泛应用。     

全球气候变暖对极小种群植物扣树生境适宜性的影响

极小种群植物扣树(Ilex kaushue S. Y. Hu)是分布于中国南方的特有树种,易受到气候变化的影响。为加强扣树的保护,有必要研究气候变暖背景下其生境适宜性范围的变化。通过对10种物种分布模型的预测精度进行对比,选择3种预测性能较好的物种分布模型(GBM、MaxEnt和RF)的平均值来评估气候变暖对扣树生境适宜性的影响。当前气候下扣树适宜生境区的预测结果表明,扣树的分布较为集中,最冷月最低温度(bio6)、降雨量季节性变化(bio15)和最干旱月降雨量(bio14)对模型贡献最大,说明扣树对温度和降水较为敏感。在未来气候情景下,扣树的生境适宜区呈现向北迁移的趋势,适宜分布范围存在不同程度的缩小;预测到2070年,随着温室气体排放增加,扣树的适生范围由RCP2.6情景下的92.70%缩小到RCP8.5情景下的51.52%,特别是在低纬度的海南省, 4种情景的平均适生生境缩减了93.67%。因此,在制定极小种群植物扣树的保护策略时应考虑气候变暖的影响。