奇异数据筛选法在玉米籽粒蛋白质近红外光谱检测中的应用

相对于传统生化测定方法,基于近红外光谱(Near infrared spectroscopy,NIRS)玉米籽粒蛋白质含量检测是一种快速、非破坏、且适用于多组分同时检测的新方法。但在建模过程中,由于奇异数据(异常值)的存在会影响近红外光谱模型的预测精度和稳定性,我们采用奇异数据筛选法剔除了玉米籽粒近红外光谱中的奇异数据并建立了玉米籽粒蛋白质含量的偏最小二乘支持向量机(Least squares support vector machine,LS-SVM)模型。本文分别采用杠杆值法(Leverage)、半数重采样法(Resampling by Half-Mean,RHM)和蒙特卡洛采样法(Monte-Carlo Sampling,MCS)剔除了玉米籽粒蛋白质光谱数据中的奇异数据并对模型结果进行比较。在剔除奇异数据的基础上,采用偏最小二乘回归法(Partial least squares regression,PLSR)提取主成分,并基于小生境蚁群算法(Niche ant colony algorithm,NACA)优化偏最小二乘支持向量机(LS-SVM)模型参数(γ和σ2),建立基于LS-SVM的玉米籽粒蛋白质定量分析模型。结果表明,采用3种奇异数据筛选法剔除奇异数据后所建LS-SVM模型的预测结果都优于采用原光谱数据所建模型,相比较而言,蒙特卡洛采样法为基于近红外光谱检测玉米籽粒蛋白质的最佳奇异数据筛选法。     

基于分段伪氨基酸组成成分特征提取方法预测蛋白质亚细胞定位

蛋白质的亚细胞定位与蛋白质的功能密切相关,其定位预测有助于人们了解蛋白质功能.文章提出一种分段伪氨基酸组成成分特征提取方法,采用支持向量机算法对Chou构建的两个蛋白质亚细胞定位数据集(C2129,CS2423)进行了分类研究,并采用总分类精度Q3、内容平衡精度指数Q9等参数评估预测分类系统性能.预测结果表明,基于分段伪氨基酸组成成分特征提取方法的预测性能,优于基于完整蛋白质序列的伪氨基酸组成成分特征提取方法.例如,基于分段矩描述子伪氨基酸组成成分特征提取方法,数据集C2129的Q3和Q9分别为84.7%和60.8%,比基于完整蛋白质序列的矩描述子伪氨基酸组成成分特征提取方法分别提高1.8和2.2个百分点,且Q3比现有Xiao等人的方法提高了9.1个百分点.基于分段伪氨基酸组成成分特征提取方法构成的特征向量不仅包含残基之间的位置信息,而且还包含蛋白质子序列之问的耦合信息,另外蛋白质分段子序列可能和蛋白质的功能域有一定的联系,从而使这一方法能够有效地预测蛋白质亚细胞定位.     

PS1基因突变敲入小鼠B免疫记忆细胞功能变化

探讨PS1基因突变敲入小鼠B免疫记忆细胞功能变化。OVA免疫PS1基因突变敲入小鼠,通过ELISA抗体检测观察B细胞免疫记忆功能;分离小鼠脾淋巴细胞,检测脾淋巴细胞增殖实验、B细胞表面抗原表达情况。痘苗病毒免疫正常和基因突变敲入小鼠两次,在免疫后的一年进行痘病毒腹腔攻毒实验,观察PS1基因突变敲入小鼠存活情况。通过分离中枢和外周淋巴细胞进行体外功能检测表明,PS1基因突变敲入小鼠细胞增殖功能明显降低(P0.0001);B记忆细胞表面蛋白表达有差异(P=0.045);痘苗攻毒实验结果表明,PS1基因突变敲入小鼠死亡率明显增高(P0.0001)。研究结果表明,PS1基因在调控B记忆细胞功能方面发挥重要作用,但是通过调控T细胞功能而发挥间接还是直接针对B细胞发挥调控作用,还需要进一步研究结果确认。     

基于单细菌共焦拉曼光谱的细菌快速检测

【背景】目前利用共焦拉曼光谱技术进行成像和成分鉴别方面的研究较多,但如何快速检测与鉴别多种细菌方面的研究较少。【目的】基于共焦拉曼光谱技术,建立一种在单细菌水平上实现病原微生物快速分类鉴定的方法。【方法】以大肠杆菌为研究对象,利用共焦拉曼光谱技术在单细菌水平上进行了激发波长的优化试验,并研究了大肠杆菌存放时间对单细菌拉曼光谱信息的影响。同时,对白色葡萄球菌、大肠杆菌、金黄色葡萄球菌、沙门氏菌和铜绿假单胞菌进行了共焦拉曼光谱测试,并对5种细菌进行单细菌拉曼光谱的归属分析,设计共焦拉曼光谱技术结合支持向量机(support vector machine,SVM)模型学习算法,进行了5种细菌的快速分类鉴别。【结果】对于单细菌拉曼光谱探测,532、633和785 nm这3种常见的拉曼探测波长中,532 nm具有更好的激发效率和光谱信噪比。结合SVM模型对5种细菌的识别分类,SVM模型的灵敏度和特异性达到了96.00%以上,整体准确率为98.25%。不同存放时间下大肠杆菌拉曼光谱的重复性和稳定性都很好,且SVM模型匹配率均在90.00%以上。【结论】单细菌拉曼光谱结合SVM模型可对5种细菌进行快...     

全球变化背景下内蒙古草原土壤微生物多样性维持机制研究进展

全球变化对人类环境的影响是近几十年世界广泛关注的热点之一。内蒙古草原不仅是我国重要的牲畜和饲料生产基地, 而且有着不可替代的生态系统功能。土壤微生物是地球上多样性最高的生物类群, 在驱动碳氮循环等多种生态系统过程中发挥着至关重要的作用。由于研究技术的限制和群落结构复杂等原因, 土壤微生物生态学研究还处于描述性阶段, 理论研究还很缺乏。鉴于此, 利用分子生物学技术尤其是新一代测序技术, 从理论层面上系统地研究全球变化背景下我国北方草地微生物多样性的维持机制具有重要意义。本文在比较各种环境变化对土壤微生物群落的相对影响的基础上, 分析全球变化对微生物多样性影响的物理化学和生态学机制, 并对未来内蒙古草原微生物多样性的重点研究领域进行了展望, 包括: (1)加强全球变化多因素综合研究; (2)加强微生物多样性维持的生态学机制的研究; (3)加强地上与地下多样性关联机制的研究; (4)加强全球大尺度多生态系统的整合研究。     

对应分析在近红外有效波长选择的应用

针对分立波长型近红外判别仪器开发过程中遇到的组合波长优选问题,提出一种基于对应分析的有效波长选择方法.对11种蘑菇样品及其在701-2500nm的光谱信息作对应分析,在对应图上计算各样品点与波长点的距离后,首先由各样品点的最近距离波长点确定出最稳健波长组合,在此基础上,对各样品点的前10、50、200个最近距离波长点进行优选,得出用921nm、1376nm、1424nm、1720nm、2233nm、2454nm这6个波长建立的SVM模型,能在输入变量最少的情况下达到用最稳健波长组合所建模型的预测能力.     

面向蛋白质功能位点识别的机器学习平台构建

有关蛋白质功能的研究是解析生命奥秘的基础,机器学习技术在该领域已有广泛应用。利用支持向量机(support vectormachine,SVM)方法,构建一个预测蛋白质功能位点的通用平台。该平台先提取非同源蛋白质序列,再对这些序列进行特征编码(包括序列的基本信息、物化特征、结构信息及序列保守性特征等),以编码好的样本作为训练数据,利用SVM进行训练,得到敏感性、特异性、Matthew相关系数、准确率及ROC曲线等评价指标,反复测试,得到评价指标最优的SVM模型后,便可以用来预测蛋白质序列上的功能位点。该平台除了应用在预测蛋白质功能位点之外,还可以应用于疾病相关单核苷酸多态性(SNP)预测分析、预测蛋白质结构域分析、生物分子间的相互作用等。     

基于运动捕捉残疾人计算机辅助系统的尝试

计算机在当代社会已经被普遍应用。为了帮助肢体残疾人使用计算机,本课题组进行了开发基于脑部跟踪的残疾人计算机辅助系统的尝试,初步制作成功了一种能通过三维脑部运动捕捉人脑运动轨迹、以此控制虚拟鼠标完成几个简单动作的残疾人计算机辅助系统,通过训练后可根据脑部的运动操纵计算机。本系统较之单纯利用脑电的脑-机接口有高得多的识别效率,理论上可基本消除误操作,是一项非常有价值的可望能应用于残疾人的计算机辅助系统的尝试。     

使用伪氨基酸组成和模糊支持向量机预测蛋白质结构类

蛋白质结构类预测是生物信息和蛋白质科学中重要的研究领域.基于Chou提出的伪氨基酸离散模型框架,从蛋白质序列出发,设计一种新的伪氨基酸组成方法表示蛋白质序列样本.抽取氨基酸组合(10-D)在序列中出现的频率和疏水氨基酸模式(6-D)表示蛋白质序列的附加特征,用和传统的氨基酸组成(20-D)一起构成的36维的伪氨基酸组成向量来表示蛋白质序列的特征.使用遗传算法来优化附加特征的权重系数.伪氨基酸组成向量作为输入数据,模糊支持向量机作为预测工具.使用三个常用的标准数据集来验证算法的性能.Jack-knife检验结果说明本方法具有较高的准确率,有望成为潜在的预测蛋白质功能的工具.     

基于支持向量机的枯草杆菌启动子预测方法

启动子预测是研究基因转录调控的重要环节,但现有算法的预测正确率偏低．在深入分析启动子生物特征的基础上,提出了一种基于支持向量机的枯草杆菌启动子预测算法,在启动子序列的组成特征、信号特征和结构特征中选取9种典型特征作为预测的依据,对于信号特征,除了利用保守模式的一致序列,还考虑了间隔距离的分布信息．首先通过特征描述模型分别计算每种特征在启动子序列和非启动子序列中的得分,将特征得分组合成9维特征向量,再利用支持向量机在特征向量集上进行训练和判别．对实际数据集进行的刀切法测试验证了算法的有效性．对σ启动予的预测,平均正确率达到了90．7％;对几种其它σ因子启动子的预测,平均正确率也超过了80％．算法不但有广泛的适用性,还有良好的可扩展性,能够方便的容纳新特征,使识别性能不断提高．