共查询到4条相似文献,搜索用时 46 毫秒
1.
线粒体遗传密码及基因组遗传密码的对称分析 总被引:6,自引:1,他引:6
病毒、细菌和真核生物的氨基酸编码都使用相同的遗传密码,表明它们可能有共同的来源。但人和牛的线粒体的遗传密码和基因组的遗传密码相比,出现以下不同;(1)ATA编码甲硫氮酸M而不是异亮氨酸I。(2)TGA不再是终止密码子X而编码色氨酸W。(3)AGA和AGG不再是精氨酸R的密码子而变为终止密码子X。应用高维空间拓扑分析的方法,对线粒体遗传密码和基因组遗传密码的6维编码空间进行对称性分析,得到如下结果:(1)线粒体遗传密码的起始密码子是2个而不是1个。(2)线粒体遗传密码的终止密码子是4个而不是3个。(3)线粒体遗传密码空间只有2、4、6三种偶数简并度而没1、3两种奇数简并度,表明其对称度较高。(4)线粒体遗传密码空间除丝氨酸S分成两个平行的子空间之外,终止密码子X亦分成两个平行的子空间,表明其连通度较低。(5)线粒体遗传密码一基因组遗传密码相比,共有3个简并平面出现变异,即:1001λλ(M和I),011λ1λ(W和X),以及1011λλ(S和X或S和R)。(6)基因组遗传密码的1、3两种奇数简并度可能来源于线粒体遗传密码的1001λλ平面和011λ1λ平面的对称性破缺。对线粒体遗传密码变异的生物学意义及遗传密码的起源进行了分析和讨论。 相似文献
2.
3.
目的 抗癌药物联合疗法是一种很有前途的治疗策略。针对特定癌症类型,选择高度协同的药物组合,对提高癌症疗效至关重要。然而,确定具有协同作用的药物组合是一项复杂而困难的工作。本研究旨在完全以数据驱动、计算建模的方式优化抗癌药物组合高通量虚拟筛选,为“旧药重新定位新组合”提供理论参考。方法 借鉴矩阵填充思想,构建了基于核范数正则化的计算模型NNRM,用于预测抗癌药物组合的协同得分和协同状态。针对固定细胞系构造对称的协同得分观测矩阵;采用分折技巧将观测矩阵稀疏化;借助“交替方向乘子法”和“软阈值估计”求解模型。结果 将NNRM应用于O’Neil团队发布的数据集,预测的协同得分与观测值之间的均方根误差为14.78,预测的协同状态准确率为0.94,优于随机森林(RF)和支持向量机(SVM),完全可以与深度学习模型相媲美。此外,NNRM预测的部分缺失值结果与已有研究或临床实践相吻合。结论 NNRM可实现大规模、批量预测抗癌药物组合的协同作用,极大地降低了已有模型对数据的要求和计算成本,缩短了高通量虚拟筛选的测试时间,可以作为抗癌药物组合高通量虚拟筛选的可选择工具。 相似文献