基于三类特征融合的O-糖基化位点预测

糖基化是蛋白质翻译后的主要修饰,O-糖基化的固定模式未知,高精度识别O-糖基化位点是机器学习面临的挑战性问题.以迄今最大的人O-糖基化位点Steentoft数据集为基础,本文首次提出了基于位置的卡方差表特征χ~2-pos,融合伪氨基酸序列进化信息Pse PSSM以及无方向的k间隔氨基酸对组分Undirected-CKSAAP表征序列,构建5个正负样本均衡的支持向量机分类器,经加权投票,独立测试准确率、Matthew相关系数及ROC曲线下面积,分别达到了89.62%、0.79、0.96,明显优于文献报道结果.χ~2-pos、Pse PSSM与Undirected-CKSAAP三种特征的融合在蛋白质糖基化、磷酸化等位点预测中有广泛应用前景.     

湿地稻-鸭复合系统中水稻纹枯病的变化规律

为了探明稻田养鸭对水稻纹枯病的发生、发展的影响 ,为稻 -鸭复合系统中水稻纹枯病的防治提供依据 ,笔者在中稻、晚稻田进行了稻田养鸭试验。试验结果表明 ,在中稻田每 6 6 6 .7m2 放养体重 15 0 g左右鸭子 15～ 2 0只 ,能使纹枯病病蔸率减少5 6 .0 % ,病株率减少 5 7.74 % ,同时比用井岗霉素防治的小区病蔸率下降 9.0 % ,病株率下降 15 .2 5 % ,病情指数比空白对照下降2 6 .4 6 ,比施用井岗霉素的施药区减少 0 .95 ;防治效果显著 ,基本可控制纹枯病的危害     

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。     

融合位置特征与序列进化信息的磷酸化位点预测

磷酸化是蛋白质翻译后的主要修饰，可分为激酶特异性和非激酶特异性两种类型．以非激酶特异性磷酸化位点Dou数据集为基础，本文发展了一种基于位置的卡方差表特征χ²-pos，融合伪氨基酸序列进化信息PsePSSM表征序列，构建正负样本均衡的支持向量机分类器，S, T, Y独立测试Matthew相关系数、ROC曲线下面积分及准确率分别达到了(0.59、0.87、79.74%)，(0.55、0.85、77.68%)和(0.50、0.81、75.22%)，明显优于文献报道结果． χ²-pos、PsePSSM两种特征的融合在蛋白质磷酸化位点预测中有广泛应用前景．