密码子使用偏性量化方法研究综述

在基因组学水平上研究密码子使用偏性模式、成因并分析进化过程中的选择压力在基因组学研究中有重要意义。文章概述了目前提出的密码子使用偏性的量化方法及实现原理。目前研究发现：有些量化密码子偏性的方法受高表达基因参考数据集未完全注释的限制,不同密码子位置对变异和选择的影响不同,以及不同密码子位置处GC含量和嘌呤含量的贡献不同。由此展望密码子偏性量化方法发展方向为：需要设计不需要相关参考基因集合先验知识的密码子使用偏性量化方法;考虑不同位置处背景核苷酸组成的密码子使用偏性的量化方法;同时考虑基因表达水平的密码子使用偏性量化方法。最后,归纳了目前可用的密码子使用偏性的量化工具和数据库。     

陕南寒武系底部宽川铺组微体化石人工智能识别

我国陕南寒武纪初期的宽川铺组(距今大约535百万年)以盛产磷酸盐化的微体小壳化石和球状动物胚胎化石而闻名于世,是探索早期动物门类起源和寒武纪生命大爆发研究中的一个非常重要的窗口。在宽川铺组中寻找微体化石新类型主要依赖显微镜下人工挑选的传统方法日趋低效,迫切需要新的技术手段来解决这些问题。而微体化石数量庞大,大小接近,形态简单,非常适合于采用机器学习的手段进行人工智能分类。我们在宽川铺组微体化石中尝试使用机器学习的手段来进行化石图像识别和机器分拣。采用方向梯度直方图来提取化石图像的主要向量特征,并设计了二叉树型多分类识别器进行化石数字分类。目前处理了5 000多张微体化石照片的人工智能识别,已经取得了较高的准确率。     

结合改进卷积神经网络和最小二乘法的颅骨性别鉴定

颅骨性别鉴定在法医学和颅骨面貌复原等领域具有重要研究意义和应用价值,针对传统颅骨性别鉴定需要专家参与且主观性强、计算机辅助方法需要人工标定特征点等问题,本文提出了结合改进卷积神经网络和最小二乘法的颅骨性别鉴定方法。首先,获取三维颅骨模型多角度颅骨图像,利用改进的卷积神经网络计算每个样本的每张图像属于男性和女性的概率;其次,基于概率均值采用最小二乘法计算每张图像对性别鉴定的权重;最后,利用上述步骤得到的最优参数构造决策函数,通过决策值完成颅骨性别鉴定。本文方法抛弃了繁琐的手动测量,对完整颅骨的性别鉴定正确率高达94.4%,对不完整颅骨的性别鉴定正确率高达87.5%,能够获得较好的颅骨性别鉴定性能。