指纹与年龄相关性的量化分析

本文利用Leica M125体视显微镜对1510份样本中右手拇指的皱纹、乳突纹线密度、乳突纹线和小犁沟的宽度、细点线、屈肌褶纹等特征进行测量,通过SPSS软件分析年龄信息特征的相关性,选取其中相关性大的变量进行多元线性回归,并得出推断公式以分析并量化随年龄的增长指纹与年龄相关信息的变化特点及规律。研究结果显示,手印中的皱纹、乳突纹线密度、乳突纹线和小犁沟的宽度、细点线、屈肌褶纹等特征与年龄具有相关性,但利用这些变量构建的多元回归模型拟合优度并不高;皱纹、乳突纹线密度、乳突纹线和小犁沟的宽度、细点线、屈肌褶纹等可作为手印分析年龄的参考和辅助特征。乳突纹线的边缘形态、手印印痕的模糊程度、汗孔等以当前科技手段难以用测量描述特征的年龄信息,在手印分析年龄中或可发挥核心价值,具体还需进一步探究。     

六种鲤科鱼类耳石形态以及在种类和群体识别中的应用

描述了6种鲤科鱼类的耳石形态特征,并利用耳石形态的测量性状,对其种类特征进行了判别分析。其中,对张氏(卜夕又鱼)、长鳍吻鮈、圆口铜鱼、宜昌鳅（鱼它）和鲫的判别正确率为100％,异鳔鳅（鱼它）的判别正确率为90.91％,6种鱼类的平均判别正确率达到了99.1％,说明了鱼类的耳石形态特征可以用于鉴别种类。三个区域鲫群体的平均判别正确率为68.9％,显示三个区域鲫群体的耳石形态存在一定的差别。     

纳米银溶胶介导的表面增强拉曼用于细菌的鉴定研究

运用表面增强拉曼散射(Surface enhanced Raman scattering,SERS)方法,实现两种大肠埃希菌和两种金黄色葡萄球菌间的高效检测与鉴别。最终为临床上细菌的鉴别与分类提供一种快速有效的鉴别方法。利用微波法制备了适合细菌SERS检测的纳米银溶胶,并以耐甲氧西林金黄色葡萄球菌(Methicillin resistant Staphylococcus aurens,MRSA)为检测样本,优化了银溶胶与菌液的体积比、作用时间,得到最佳测试条件为银溶胶与菌液(麦氏浊度为0.5)体积比为1?2,作用时间为1 h,将其用于两种大肠埃希菌JM109、DH5α和两种金黄色葡萄球菌ATCC25923、MRSA的SERS检测,并对相应特征峰进行归属。分别选择了30例大肠埃希菌JM109、DH5α和30例金黄色葡萄球菌ATCC25923和MRSA作为样本训练集,6例大肠埃希菌JM109、DH5α和6例ATCC25923、MRSA为测试集,基于主成分分析法(PCA)联合线性判别法(LDA)模型,JM109、DH5α训练集分类正确率为93.33%,ATCC25923、MRSA训练集分类正确率为76.67%,盲测集分类正确率分别为91.67%、75%。结果表明,制备的银纳米溶胶作为增强介质测得的不同细菌的SERS图谱使用该判别模型时能较好地区分不同种类的细菌,而对于同种细菌的普通菌和耐药菌的鉴别效果相对较差。本研究为临床上细菌的快速准确鉴别与分类提供参考。     

肿瘤患者皮纹特征的量化分类初步分析

本文对肿瘤患者的指纹和掌纹按照标准的分类方法进行了较为详细的分析,并与对照组进行了对比,用χ2检验的方法,发现患者与对照组之间在指纹和掌纹的出现率上均存在差异,这些结论为搭建量化皮纹特征模型、建立量化的皮纹特征指标体系、患者与对照组的分类判别都提供了有力的理论依据。     

手印的基本知识

手印已被古今中外科学工作者广泛予以肯定和应用是由于皮肤乳突线花纹结构、形态特征的稳定性和特定性。详细地阐述了指头乳突线、手掌乳突线花纹的结构特点和分类、屈肌褶纹和皱纹的结构规律。分析了影响现场手印的发现,显现和提取的因素。     

147对孪生子皮纹学分析

调查了宁波市区及镇海县城关汉族中、小学生(7—17岁)中147对孪生子的指、掌纹。分析项目包括指纹图形、指纹嵴线总数(TFRC,双手10个指的指纹嵴线数总和)、嵴线总数差(各对孪生子内TFRC之差数)、同名指纹型差(各对孪生子内同名指指纹图形相异指数)及斗型纹差(各对孪生子内同名指斗型纹与其他纹     

白血病患者的肤纹研究

本文分析了l70名经骨髓检查确诊的白血病患者肤纹形态的手纹部分,数据经电子计算机进行判别分析,指纹类型的判对率为52.58±2.67％。根据掌褶类型判别时,其判对率为57±3.8％。指纹类型在判别急非淋患者及正常人时有显著性。掌褶类型的判别力对急非淋及慢粒患者有显著性。慢粒患者猿线出现率高于正常组。急淋患者右手悉尼线出现率高于正常组。此悉尼线在判别分析中有显著意义。急性白血病患者的弓斗指数高于对照组。白血病患者组掌纹白线的出现率也高于正常组。     

基于特征选择和概率神经网络胃癌计算机辅助诊断

应用信噪比和概率神经网络的方法,结合实验数据,提出胃癌分类模型.它是利用已知信息对胃癌样本进行分析和判别.其方法是首先对数据进行分类信息指数信噪比分析,根据分类信息指数信噪比大小排序,然后采用特征向量递增的方法,将特征向量输入概率神经网络进行分析,采用留一法对PNN训练和检测,找出训练效果最好的特征向量子集.这种模型用MATLAB软件实现,具有可操作性,可推广到其它相应的疾病辅助诊断中去.     

基于蛾翅翅脉特征的夜蛾昆虫数字化分类研究 （鳞翅目：夜蛾科）

本文以夜蛾昆虫为研究对象,利用蛾右前翅翅脉特征对7种夜蛾昆虫进行数字化分类研究。首先,利用软件tpsDig2提取蛾翅翅室周围翅脉交点作为标记点;再利用普世叠加方法消除非形状因素等信息,计算出每一个翅脉交点与初始交点的距离作为特征参数;最后,利用方差分析和逐步判别分析验证各项特征参数对7种夜蛾进行分类的可行性、有效性和重要性。研究结果表明,筛选出5项特征参数可以作为分类变量,其作用大小依次为:(Dis_(16)、Dis_(17))(Dis_(13)、Dis_(15))Dis_(12),原始判别和交叉判别结果的正确率分别为96.2%和96.2%。这说明蛾翅翅脉的特征参数可用于蛾类昆虫的数字化分类鉴定。     

MC‐UVE波长选择法在近红外光谱鉴别茯苓产地中的应用研究

利用近红外光谱鉴别云南不同产区药用真菌茯苓。采用光谱标准偏差法(SSD)和蒙特卡罗无信息变量消除法(MC-UVE)逐步筛选光谱信息,利用K-S算法将白茯苓和茯苓皮划分训练集和验证集,并结合偏最小二乘判别分析法(PLS-DA)分别构建不同产区白茯苓和茯苓皮的分类模型,进一步建立不同产区茯苓的Fisher判别方程。结果表明:(1)通过主成分-马氏距离(PCA-MD)分析,白茯苓和茯苓皮的近红外光谱在主成分得分空间内呈现出较大差异,构建不同产区茯苓鉴别模型应将白茯苓及茯苓皮分开。(2)最优主成分数为5时,采用SSD筛选的886个变量(7 501.74–4 088.35cm~(-1))构建的白茯苓和茯苓皮的分类模型,其R~2、RMSECV和RMSEP分别为0.986、0.988;0.320、0.283;0.425、0.395;采用MC-UVE法分别筛选出白茯苓和茯苓皮光谱信息(34个、22个变量)建立的分类模型,其R~2、RMSECV和RMSEP分别为0.993、0.991;0.224、0.255;0.298、0.355。采用MC-UVE结合PLS-DA法建立的分类模型,有效降低了冗余信息,白茯苓和茯苓皮的R~2均有所提升,RMSECV和RMSEP均有所降低,预测正确率分别由85.71%和83.33%,提高至100%。(3)进一步采用逐步判别分析法筛选出白茯苓(6个)和茯苓皮(4个)光谱变量,建立Fisher判别方程,回代验证正确率均大于85.7%,交叉验证正确率均大于66.7%,表明所建立的Fisher判别方程能较好地鉴别不同产区的茯苓。     

海南岛黎族指、掌纹研究及临高人与汉族、壮族指、掌纹特征比较

本文描述了海南岛黎族和临高人的指、掌纹特征;应用聚类分析方法对临高人与汉族、壮族的指、掌纹特征进行了比较。作者认为:(1)黎族的个别掌纹特征表明存在着黎族与某些黑色人种混血的可能性;(2)黎族的四个支系中,(亻考)黎的指、掌纹特征最具有代表性;(3)临高人的指、掌纹特征与汉族类似而与壮族有着较大的差异。     

Acoustical detection of coronary occlusions using neural networks

A nonlinear neural network classifier was applied to noninvasive acoustic detection of coronary artery disease; the classifier included a feature vector, derived from diastolic heart sounds, and a multi-layered network trained by the backpropagation. The feature vector is based on the linear prediction coefficients of the autoregressive method after an adaptive line enhancement method was used as the input pattern to the neural network. One hundred and twelve recordings (70 abnormal, 42 normal) were studied and the network was trained on a randomly chosen set of six abnormal and six normal patients. It was tested on a database consisting of 100 recordings to which it had not been exposed. The network correctly identified 50 of the 64 patients with coronary artery disease and 32 of the 36 patients without any coronary artery occlusions. These results showed that this neural network is capable of distinguishing normal patients from abnormal patients. In addition, the diagnostic capability of this approach is much better than any other available noninvasive approach.     

基于多特征融合的多分类运动想象脑电信号识别研究

针对目前多分类运动想象脑电识别存在特征提取单一、分类准确率低等问题,提出一种多特征融合的四分类运动想象脑电识别方法来提高识别率。对预处理后的脑电信号分别使用希尔伯特-黄变换、一对多共空间模式、近似熵、模糊熵、样本熵提取结合时频—空域—非线性动力学的初始特征向量,用主成分分析降维,最后使用粒子群优化支持向量机分类。该算法通过对国际标准数据集BCI2005 Data set IIIa中的k3b受试者数据经MATLAB仿真处理后获得93.30%的识别率,均高于单一特征和其它组合特征下的识别率。分别对四名实验者实验采集运动想象脑电数据,使用本研究提出的方法处理获得了72.96%的平均识别率。结果表明多特征融合的特征提取方法能更好的表征运动想象脑电信号,使用粒子群支持向量机可取得较高的识别准确率,为人脑的认知活动提供了一种新的识别方法。     

基于序列特征的人类PolⅡ启动子理论预测

基于已知的人类PolII启动子序列数据,综合选取启动子序列内容和序列信号特征,构建启动子的支持向量机分类器．分别以启动子序列的6-mer频数作为离散源参数构建序列内容特征。同时选取24个位点的3-mer频数作为序列信号特征构建PWM,将所得到的两类参数输入支持向量机对人类启动子进行预测．用10折叠交叉检验和独立数据集来衡量算法的预测能力,相关系数指标达到95％以上,结果显示结合了支持向量机的离散增量算法能够有效的提高预测成功率,是进行真核生物启动子预测的一种很有效的方法．     

人的原代上皮角质形成细胞和永生化的上皮角质形成细胞HaCaT 的增 殖能力的比较*

目的:筛选适合充当组织工程皮肤的种子细胞,比较原代培养的人原代上皮角质形成细胞和永生化的上皮角质形成细胞HaCaT的增值能力。方法:将两种细胞(小儿包皮环切术后的组织培养表皮角质形成细胞,永生化的上皮角质形成细胞HaCaT),分别接种于96孔板,通过MTT检测细胞1,3,5,7,9,11天的生长情况;当两种细胞融合至60%时分别取1×106个细胞,通过流式细胞检测细胞的周期。结果:永生化的上皮角质形成细胞HaCaT每隔一天即可传代一次,原代上皮角质形成细胞每3天传代一次;细胞周期:永生化上皮角质形成细胞HaCaT的G1期和S期的比例高于原代上皮角质形成细胞。生长曲线:MTT检测两种细胞1,3,5,7,9,11的生长情况,永生化的上皮角质形成细胞HaCaT的生长速度明显高于原代上皮角质形成细胞。结论:永生化上皮角质形成细胞HaCaT的增殖能力要高于原代培养的上皮角质形成细胞。     

人的原代上皮角质形成细胞和永生化的上皮角质形成细胞HaCaT的增殖能力的比较

目的：筛选适合充当组织工程皮肤的种子细胞,比较原代培养的人原代上皮角质形成细胞和永生化的上皮角质形成细胞HaCaT的增值能力。方法：将两种细胞（小儿包皮环切术后的组织培养表皮角质形成细胞,永生化的上皮角质形成细胞HaCaT）,分别接种于96孔板,通过MTT检测细胞1,3,5,7,9,11天的生长情况;当两种细胞融合至60%时分别取1×106个细胞,通过流式细胞检测细胞的周期。结果：永生化的上皮角质形成细胞HaCaT每隔一天即可传代一次,原代上皮角质形成细胞每3天传代一次;细胞周期：永生化上皮角质形成细胞HaCaT的G1期和S期的比例高于原代上皮角质形成细胞。生长曲线：MTT检测两种细胞1,3,5,7,9,11的生长情况,永生化的上皮角质形成细胞HaCaT的生长速度明显高于原代上皮角质形成细胞。结论：永生化上皮角质形成细胞HaCaT的增殖能力要高于原代培养的上皮角质形成细胞。     

CarSPred: A Computational Tool for Predicting Carbonylation Sites of Human Proteins

Protein carbonylation is one of the most pervasive oxidative stress-induced post-translational modifications (PTMs), which plays a significant role in the etiology and progression of several human diseases. It has been regarded as a biomarker of oxidative stress due to its relatively early formation and stability compared with other oxidative PTMs. Only a subset of proteins is prone to carbonylation and most carbonyl groups are formed from lysine (K), arginine (R), threonine (T) and proline (P) residues. Recent advancements in analysis of the PTM by mass spectrometry provided new insights into the mechanisms of protein carbonylation, such as protein susceptibility and exact modification sites. However, the experimental approaches to identifying carbonylation sites are costly, time-consuming and capable of processing a limited number of proteins, and there is no bioinformatics method or tool devoted to predicting carbonylation sites of human proteins so far. In the paper, a computational method is proposed to identify carbonylation sites of human proteins. The method extracted four kinds of features and combined the minimum Redundancy Maximum Relevance (mRMR) feature selection criterion with weighted support vector machine (WSVM) to achieve total accuracies of 85.72%, 85.95%, 83.92% and 85.72% for K, R, T and P carbonylation site predictions respectively using 10-fold cross-validation. The final optimal feature sets were analysed, the position-specific composition and hydrophobicity environment of flanking residues of modification sites were discussed. In addition, a software tool named CarSPred has been developed to facilitate the application of the method. Datasets and the software involved in the paper are available at https://sourceforge.net/projects/hqlstudio/files/CarSPred-1.0/.     

基于Mel倒谱系数和矢量量化的昆虫声音自动鉴别

为了给生产单位害虫管理的普通技术人员提供简便易操作的昆虫种类鉴别方法, 本研究把人类语音识别领域的先进技术应用于昆虫识别, 提出了一种新颖的昆虫声音自动鉴别方法, 用声音参数化技术为昆虫声纹识别设计了一种简单易行的方案。声音信号经过预处理、分段得到一系列的声音样本, 从声音样本提取Mel倒谱系数（MFCC）, 并用Linde-Buzo-Gray（LBG）算法对提取的MFCC进行矢量量化(VQ), 所得码字作为声音样本的特征模型。特征参数之间的匹配用搜索最近邻的方法实现。本文方法在包含70种昆虫声音的库中进行了试验, 取得了超过96%的识别率和理想的时间性能。试验结果证明了该方法的有效性。     

几种光合作用光响应典型模型的比较研究

光响应曲线是判定植物光合效率的重要方法,通过曲线可以获得植物光合特性的相关生理参数,但不同模型提取的光响应参数和指标存在差异。本文选择直角双曲线、非直角双曲线和两种指数曲线模型,分别对3个品系常绿杨光响应数据进行拟合,提取了各光响应曲线模型的主要特征参数,对比分析了各模型参数问的差异,并对光饱和点（LSP）的不同计算方法进行了讨论。最后用巨尾桉光响应数据对分析结果作了进一步验证。结果表明,直角和非直角双曲线模型拟合的最大净光合速率（P＇max）、表观量子效率（a）及暗呼吸速率（Rd）值高于指数模型拟合值,且直角双曲线拟合的各参数均比非直角双曲线拟合的各参数的值大,而两指数模型各参数拟合值基本一致;在LSP计算方法中,用光通量200μmol·m^-2·s^-1以下的点拟合的Pn-I直线与其它模型相结合得到光饱和点的方法不可靠,会使计算结果明显偏小,用接近最大总光合速率Pmax一定比例的方法估计LSP也存在较大偏差,而P＇max由于消除了Rd的影响,计算光饱和点时各模型的估计比例相对固定,是一个比较理想的LSP估计方法,初步得出直角、非直角及指数模型用P＇max来估计光饱和点时应选取的比例分别为（78±1）％、（82±1）％及（96±1）％。     

Sampling Rhodnius neglectus in Mauritia flexuosa palm trees: a field study in the Brazilian savanna

Two sampling methods (manual capture and live-baited adhesive traps) were compared for collecting the bug Rhodnius neglectus Lent (Hemiptera: Reduviidae: Triatominae) from palm trees, Mauritia flexuosa L. (Arecaceae), in the savanna of Brasília DF. R. neglectus was found in 19/50 (38%) of palm trees sampled. The detection rate was much higher by visual inspection and manual capture (18/50=36%) than by our trapping method (5/50=10%), although one tree was found to be positive by trapping but not by manual capture. Bugs collected manually were mostly (146/154=95%) found among the dead organic material in palm crowns. In combination, these sampling techniques are useful for quick detection of triatomine bug infestation in palm trees, especially in areas of high ecological value where the palms should not be cut and dissected, but arboreal Rhodnius are suspected to transmit enzootic Trypanosoma cruzi that might represent a risk of causing human cases of Chagas disease.