通过新基因计算机识别与实验确认对NCBI人类基因数据库一些模式参考序列错误的分析与纠正

采用生物信息学分析与实验确认相结合的技术路线，通过所识别的基因在非冗余数据库比对发现了网上公布的计算机注释人类基因组编码序列存在各种类型的多处错误，包括cDNA水平的一个或一段碱基插入、缺失或突变，或是这些错误的不同排列组合，其中以错误插入为多，往往导致编码氨基酸的移码突变。最先举证了NCBIGENOME Annotation Project预测人类新基因的下列错误类型：(1)开放读码框架(0RF)中错误插入一个碱基造成编码氨基酸移码；(2)错误拼接；(3)开放读框中错误插入一个或一段碱基造成该读框提前终止。只编码N-端氨基酸的cDNA序列而不完整；(4)只有编码c一端氨基酸序列的cDNA而不完整；(5)只是正确基因0RF中间的一段编码蛋白cDNA序列而不完整，缺N-端与C-端氨基酸序列，并且将不完整蛋白氨基酸序列的第一个非起始码氨基酸错误地预测为起始码氨基酸，如将L错误地预测为M；(6)开放读框中错误插入一个或一段碱基造成前面出现不该有的终止码，因而编码蛋白缺开头部分氨基酸；(7)可能将污染基因组序列当作完整基因cDNA序列对待而预测出所谓单一外显子基因。即便真是基因，也只是较长单一外显子mRNA中有一小0RF，而0RF起始码上游同一相位确实存在终止码，无其他特点符合基因条件；(8)所预测基因只有0RF，而0RF两端没有任何EST证据，可据此0RF拼接出受EST和人类基因组双重支持的完整基因cDNA(开放读框上游同一相位有终止码)，预示所预测0RF参考序列可能不正确；(9)有EST实验证据支持存在基因的人类基因组序列范围内又被预测出一条相似但更小的蛋白编码基因，因而新预测基因有可能是错误的。  

用电子克隆新基因C17orf32和ZNF362对NCBI人类基因数据库模式参考序列5种错误类型的分析与纠正

采用生物信息学分析与实验确认相结合的技术路线，通过所识别的基因在非冗余数据库比对发现了网上公布的计算机注释人类基因组编码序列存在各种类型的多处错误。该策略既有助于发现更多的人类新基因，又有助于纠正美国国家生物技术信息中心(NCBI)基因组注释项目公布的参考序列(REFSEQs)中所存在的错误。比如他们采用基因预测方法通过自动计算分析从NCBIcontig NT_010808预测到两个模式参考序列LOC124919和LOC147007，本该都是C17orf32，但却都是C17orf32的不同错误形式，分别为第1和2类型错误；再如，他们采用基因预测方法通过自动计算分析从NCBIcontig NT_004511预测到3个模式参考序列LOC14907、LOC200084和LOC91126，实际上都是．ZNF362一种基因，却提交了ZNF362的3种不同错误形式，分别为第4、5和7类型错误。本研究利用计算机识别并结合实验验证能够纠正或避免现有的人类基因组编码序列错误。以前公开发表的文献没有明确指出NCBI人类基因模式参考序列存在错误，因此直当慎重看待计算机注释的可能存在各种类型错误的人类基因组编码序列。人类新基因的正确识别和注释仍是一项长期而繁重的任务。  

光合性能选种法研究

生物良种的选择,历来是人类最关心的事,本文讨论的是植物的选种方法,我们在品质基本相同的几个品种中选择最优品种.这里最优品种指的就是产量最高者.植物的产量是由光合作用所产生的生物量,所以,光合性能强的物种常为最优品种.本文所介绍的选种方法,就是根据不同品种的光合性能的强弱来研究品种的优劣,而植物光合性能强弱可以通过植物的光合总量来确定.本文计算了三个猕猴桃品种的光合总量,其中光合总量最高者为最优品种（产量最高）,这与生产实践完全一致,所以光合性能选种法得到了生产实践的验证.  

支持向量机在害虫发生量预测中的应用

害虫发生量与其影响因子之间具有复杂的非线性和时滞性关系,传统方法不能很好的分析和拟合高度非线性的害虫发生量变化规律,导致预测精度不理想。为了有效构建害虫发生量与其影响因子之间复杂的非线性关系模型,提高害虫发生量预测精度,提出一种基于支持向量机的害虫发生量预测方法。该方法首先通过F测验对害虫发生量的最佳时滞阶数进行确定,并利用最佳时滞阶数对样本进行重构;然后利用前向浮动因子筛选法对害虫发生量的影响因子进行筛选,筛选出对预测结果贡献大的影响因子;最后采用10折交叉验证得到害虫发生量的最优预测模型。采用粘虫的幼虫发生密度数据在Mat-lab7.0平台下对该方法进行测试与分析,实验结果表明,相对于其它预测方法,支持向量机提高了害虫发生量的预测精度,克服了传统方法的缺陷,更适合于非线性、小样本的害虫发生量预测。  

k子串离散源结合加权KNN算法预测膜蛋白类型

膜蛋白是生物膜功能的主要体现者,是细胞执行各种功能的物质基础,在细胞中发挥着至关重要的作用.分类预测未知类型的膜蛋白对于生物学相关研究具有指导性意义,是膜蛋白结构与功能研究领域的一项重要基础性工作.针对膜蛋白分类预测问题,利用k子串离散源的方法对膜蛋白序列进行特征提取,并融合最小离散增量方法和加权K近邻算法构建一种新型的膜蛋白分类预测模型,在自检验、Jackknife检验和独立测试集检验三种典型的检验方式下,预测准确率分别为99.95%、86.16%和98.36%.实验结果表明,k子串离散源方法能够有效提取膜蛋白序列的特征信息,与现有方法相比,该分类模型具有较高的分类预测成功率.  

病毒疫苗制备用不同核型VERO细胞系在裸鼠体内致癌/致瘤性的系统实验研究

生产疫苗用细胞系可能具有致瘤性，一些常用的细胞系需要检查不同代次有无致癌性。在建立传代细胞种子库与工作库基础上，对研制生产病毒活疫苗所用8株VERO细胞系在219只裸鼠进行了致癌(瘤)实验。本研究结果表明，VERO细胞染色体核型可发生变异，亚四倍体JA株与超二倍体KA株具有强的致癌性，不能用于致弱活病毒疫苗制备，但可替代HeLa细胞系用作恶性肿瘤阳性对照细胞。筛出无致瘤性的YB、dC、M和JB株亚二倍体VERO细胞系，可替代BHK-21细胞用于狂犬病减毒活疫苗制备。VERO细胞系染色体遗传相对稳定。不同代次变化不大。研究发现细胞染色体遗传特征决定致瘤性质并具有种属特异性，不同核型细胞致瘤性不同，细胞染色体数目变异大小和致癌性成正相关，通过体内外交替选育可在裸鼠体内快速选育成功高变异率肿瘤细胞系。高变异率HeLa或VERO细胞系移植于裸鼠可能产生恶性横纹肌样瘤。因此，应当强调疫苗生产用细胞系致瘤性评价的重要性。  

基于多分类支持向量机的基因表达系列分析

基因表达系列分析（Serial analysis of gene expression,SAGE）是一种基因表达数据,反映了细胞内的动态变化。模式识别和可视化方法是分析SAGE数据的基本工具,但是由于缺乏描述数据的统计特性,传统的聚类分析技术不适用于SAGE数据的分析。本文提出了一种基于多分类和支持向量机的SAGE数据的分析法。经过对模拟数据和人类癌症SAGE数据的分析,基于径向基核函数的多分类支持向量机算法＂一对一＂（one-against-one,OAO）算法提供了比PoissonC和PoissonS更好的分类结果。  

临泽盐渍化草地空间格局的可塑性面积单元问题

通过对临泽盐渍化草地群落取样资料的分析表明,草地空间格局的分布对样地尺度变化和划区方案选择均存在敏感性.样地面积在12500m2以下时,尺度增聚效应表现非常明显.在同一取样面积单元下不同的划区方案对草地的空间分布都有一定的影响,但随着取样面积的增大,区划方案的影响也是减少的.因此在研究草地空间分布格局时,要力求寻找一个最佳的区划方案和取样尺度,使得面积单元内的差异最小是非常有必要的.  

基于局部茎搜索的RNA二级结构预测算法

RNA的二级结构预测是生物信息学中一个已经有30多年历史的经典问题，基于最小自由能模型(MFE)的优化算法是使用最为广泛的方法．但RNA结构中假结的存在使MFE问题理论上成为一个NP-hard问题，即使采用动态规划等优化算法也会面临时间复杂度高的困难，同时研究还发现，由于受RNA折叠动力学机制以及环境因素的影响，真实的RNA二级结构往往并不处于自由能最小状态．根据RNA折叠的特点，提出了一种启发式搜索算法来预测带假结的RNA二级结构．该算法以RNA的茎为基本单元，采用启发式搜索策略在茎的组合空间中搜索自由能最小并且出现频率最高的RNA二级结构，该算法不仅能显著降低搜索RNA二级结构的时间复杂度，还有助于弥补单纯依赖能量预测RNA二级结构的不足．在多种类型的RNA标准数据集上进行了检验，结果表明，该算法在预测的精度上优于目前国际上几个著名的RNA二级结构预测算法并且具有较高的运行效率．  

雨强和土地利用对黄土丘陵区径流系数及蓄积系数的影响

利用人工降雨模拟器,设计不同降雨强度和土地利用方式的区组实验,定量研究了黄土丘陵区雨强和土地利用对降雨产流和蓄积的影响.结果表明:不同雨强对土地利用平均径流系数呈极显著的正效应,雨强与径流系数呈负指数函数关系;不同雨强对土地利用平均蓄积系数也有显著的影响,雨强为1.97、2.14、2.46、2.94和3.75 mm·min-1条件下,土地利用平均蓄积系数分别为0.73、0.62、0.58、0.55和0.44;不同雨强平均径流系数为林地>耕地>栽培草地>天然草地;林地、天然草地、栽培草地和耕地的降雨蓄积系数分别为0.44、0.68、0.66和0.55.在黄土丘陵生态脆弱区草地具有良好的降雨蓄积效果,同时表明林冠层、灌木层和枯枝落叶层对降雨的截留、阻滞和削弱具有显著功效.