基于拉曼技术的单细胞生长检测方法

目的 单细胞生长检测可以更加科学地揭示微生物代谢变化的规律,为后期微生物工程应用提供指导。针对微生物生长应用于食品安全期和最佳食用期的精准检测问题,本文提出一种基于拉曼技术的单细胞生长检测方法。方法 首先,通过同步培养实验采集了枯草芽孢杆菌两个批次共900个单细胞拉曼光谱（SCRS）数据,其中600个用于训练和测试,另一批次300个用于模型验证。其次,基于主成分分析的特征关系矩阵,提出CP-SP特征评估方法以筛选SCRS特征用于模型检测。再基于XGBoost构建检测模型,并应用网格搜索和交叉验证对检测模型进行调优。最后,应用混淆矩阵、ROC曲线评估模型对细胞滞后期、对数期和稳定期的检测准确率、敏感性和特异性。结果 选用CP-SP筛选的第一、第二和第四主成分较特征贡献率前3个主成分的分类性能提高了3.1%,调优后的细胞生长检测模型测试准确率为96.0%,验证准确率为92.3%。结论 基于拉曼技术的单细胞生长检测方法能准确识别单细胞生长状态且具有较高的泛化能力,可为食品安全和保鲜制定精准调控机制提供科学指导。     

矩阵的加号逆理论在参数估计中的应用

本文从矩阵的加号逆理论出发,根据求矛盾线性方程组最佳逼近解的方法,建立起一种新的参数估计方法,同时给出了显著性检验方法,这种方法更简单更精确．     

基于卷积神经网络的大肠杆菌启动子预测

目的 基于位点特异性打分矩阵（position-specific scoring matrices,PSSM）的预测模型已经取得了良好的效果,基于PSSM的各种优化方法也在不断发展,但准确率相对较低,为了进一步提高预测准确率,本文基于卷积神经网络（convolutional neural networks,CNN）算法做了进一步研究。方法 采用PSSM将启动子序列处理成数值矩阵,通过CNN算法进行分类。大肠杆菌K-12（Escherichia coli K-12,E.coli K-12,下文简称大肠杆菌）的Sigma38、Sigma54和Sigma70 3种启动子序列被作为正集,编码（Coding）区和非编码（Non-coding）区的序列为负集。结果 在预测大肠杆菌启动子的二分类中,准确率达到99%,启动子预测的成功率接近100%;在对Sigma38、Sigma54、Sigma70 3种启动子的三分类中,预测准确率为98%,并且针对每一种序列的预测准确率均可以达到98%以上。最后,本文以Sigma38、Sigma54、Sigma70 3种启动子分别和Coding区或者Non-coding区序列做四分类,预测得到的准确性为0.98,对3种Sigma启动子均衡样本的十交叉检验预测精度均可以达到0.95以上,海明距离为0.016,Kappa系数为0.97。结论 相较于支持向量机（support vector machine,SVM）等其他分类算法,CNN分类算法更具优势,并且基于CNN的分类优势,编码方式亦可以得到简化。     

具有奇异M矩阵的Lotka-Volterra 系统解的渐近性态

本主讨论了当Lotka-Volterra系统的系数矩阵为奇异M矩阵时解的渐近性态．     

具年龄结构的种群在破碎化生境中的空间分布模型

随着人类和其他生物赖以生存的环境破碎化程度的加剧,许多以前是连续分布的物种,目前不得不在破碎化生境(斑块)中求生存,所以,种群在破碎化生境(斑块)中分布问题的研究对生物保护和生境重建意义重大．本文运用Leslie矩阵和Markov链建立了一个具年龄结构的种群在破碎化生境中随时间动态变化的分布模型,讨论了种群在该生境中持续存在以及灭绝的条件．     

新医改背景下医院分院建设项目组织结构决策研究

结合我国医院分院建设项目组织结构现状,探索分院建设项目最佳组织结构。运用专家咨询法、层次分析法与案例分析法,系统阐述分院建设项目组织结构的决策方法。AHP下强矩阵组织优先级别最高,这与管理典范医院的选择一致。强矩阵组织更适合分院建设项目。

     

应用基于粒子群优化的支持向量机算法识别真核生物基因的RNA聚合酶II启动子序列

启动子是调节基因表达的重要元件,对其的研究对于阐明基因转录调控机制具有重要意义。作者依据RNA聚合酶Ⅱ启动子序列特性选取高效的特征提取方法,构建了基于粒子群优化的支持向量机(particle swarm optimization-support vector machine,PSO-SVM)新方法,用以识别真核生物基因RNA聚合酶Ⅱ启动子。结合5-折交叉检验方法,得到启动子-外显子、启动子-内含子和启动子-基因间序列的分类准确率分别为97.1%、96.7%和98.8%,其马修斯相关系数分别为0.962、0.934和0.976。结果说明,对比其它启动子识别方法,PSO-SVM方法更能有效地识别真核生物基因启动子。     

利用序列保守模体和局部构象信息预测转录因子结合位点

转录因子结合位点的计算预测是研究基因转录调控的重要环节,但常用的位置特异得分矩阵方法预测特异性偏低.通过深入分析结合位点的生物特征,提出了一种综合利用序列保守模体和局部构象信息的结合位点预测方法,以极大相关得分矩阵作为保守模体的描述模型,并根据二苷参数模型计算位点序列的局部构象,将两类信息得分组合为多维特征向量,在二次判别分析的框架下进行训练和滑动预测.预测过程中还引入了位置信息量以优化似然得分和过滤备选结果.针对大肠杆菌CRP和Fis结合位点数据的留一法测试结果表明,描述模型的改进和多种信息的融合能有效地改善预测方法的性能,大幅度提高特异性.     

大杯香菇辐射选育新株系数量性状的因子分析

对20个大杯香菇品种和辐射选育新株系的数量性状进行因子分析.结果表明,20个大杯香菇品种和辐射选育新株系的18个数量性状,可提取为7个公因子,其累积方差贡献率达91.85 %,代表了所有性状绝大部分相关信息.按照主因子所包含的性状及其所反映的生物学、营养学和酶学含义,可把7个主因子命名并按方差贡献大小顺序排列为：促长因子1、CAT活性因子2、营养质量因子3、MDA因子7、化学评分因子4、氨基酸比值系数分因子5、粗壮因子6.从主因子出发进行大杯香菇辐射育种,可以加大目标性状的针对性的选择效率,比较容易获得综合数量性状优良的新品种.