基于分数阶微分技术的土壤水盐信息高光谱反演

准确高效获取土壤水盐信息是盐碱地改良和可持续利用的前提。本研究以地面野外高光谱反射率和实测土壤水盐含量为数据源,利用分数阶微分(FOD)技术对原始光谱反射率进行步长为0.25的处理,从光谱数据与土壤水盐信息相关性层面筛选FOD阶数,构建二维光谱指数,采用支持向量机回归(SVR)和地理加权回归(GWR)建立土壤水盐含量反演模型并进行验证。结果表明：FOD技术可以在一定程度上减弱高光谱噪声并挖掘潜在光谱信息,提高高光谱反射率与土壤含水量(SMC)、pH值和含盐量的相关性,相关系数最高分别提升0.98、1.35和0.33。与一维光谱相比,FOD结合二维光谱指数筛选的特征波段组合对SMC、pH值和含盐量的响应更敏感,分别以1.5、1.0和0.75阶为最优,其中,SMC最大相关系数绝对值的最佳组合波段为570、1000、1010、1020、1330和2140 nm; pH值为550、1000、1380和2180 nm;含盐量为600、990、1600和1710 nm。相较于原始光谱反射率,SMC、pH值和含盐量最优阶次估算模型验证决定系数(R_p²)最高...     

住院精神分裂症患者生活质量调查及与认知功能和社会支持的关系分析

摘要 目的：调查住院精神分裂症患者生活质量情况,并分析生活质量与认知功能和社会支持的关系。方法：本次研究为回顾性分析,将2019年1月-2020年10月期间于我院住院的精神分裂症患者225例纳为病例组。通过宣传招募健康志愿者200例作为对照组。对比两组生活质量、社会支持评分和认知功能,住院精神分裂症患者生活质量的影响因素采用单因素和多因素Logistic回归分析。住院精神分裂症患者生活质量与认知功能和社会支持的关系采用Pearson 相关性分析。结果：病例组的健康状况调查问卷（SF-36）评分、社会支持评定量表（SSRS）评分均低于对照组（P<0.05）。威斯康星卡片分类测验（WCST）结果显示,病例组的错误应答数高于对照组,正确应答数低于对照组（P<0.05）,Stroop色词测验结果显示,病例数正确数低于对照组,错误数高于对照组（P<0.05）。Pearson相关性分析结果显示,住院精神分裂症患者SF-36评分与SSRS评分呈正相关（P<0.05）。住院精神分裂症患者生活质量与文化程度、性别、年龄、病程、药物治疗、住院时间情况有关（P<0.05）。多因素Logistic回归分析结果显示,年龄、病程、住院时间、药物治疗情况为影响住院精神分裂症患者生活质量的危险因素（P<0.05）。结论：住院精神分裂症患者的生活质量低于健康人群,影响其生活质量的因素主要包括社会支持以及患者的年龄、病程、住院时间、药物治疗情况。     

Beta结构氨基酸支持度分析的研究

蛋白质空间结构的分析与预测已经成为现今分子生物学和生物信息学的重要研究课题之一。虽然引入了3D-profile,人工神经网络,遗传算法等复杂的模型或算法,并获得了相对较高的准确率,但是却很难对所得到的结果进行解释,且不易发现其中的生物学规律。而相应地,氨基酸序列所隐含的蛋白质结构信息,生物学和数学意义才应是我们所需探寻的重点。因此我们从分析构成特定二级结构的氨基酸序列着手,引入涉及关联规则的支持度S来计算特殊位点处氨基酸的贡献率,以期发现其中的隐含信息,并获得了相应的数据信息矩阵。通过分析二级结构的支持度,不仅得到了各氨基酸位于不同位点时相对于Beta结构的强弱作用关系,还发现了脯氨酸的特殊作用和相对于Beta结构的成核性。     

基于压缩氨基酸和支持向量机进行膜蛋白类型识别

膜蛋白是一类结构独特的蛋白质,是细胞执行各种功能的物质基础。根据其在细胞膜上的不同存在方式,主要分为六种类型。本文利用压缩的氨基酸对原始膜蛋白序列进行信息压缩,再对压缩序列进行氨基酸组成和顺序特征的提取,最后采用支持向量机构建分类模型。通过五叠交叉验证的结果表明,该方法对于六种膜蛋白的分类预测,准确度最高可达98％以上,平均预测准确度在85％以上,可有效实现膜蛋白六种类型的划分,为进一步分析膜蛋白的结构和功能奠定基础。     

基于遗传算法特征选择的HBV再激活分类预测模型

探讨原发性肝癌患者精确放疗后乙型肝炎病毒(hepatitis b virus,HBV)再激活的危险特征和分类预测模型。提出基于遗传算法的特征选择方法,从原发性肝癌数据的初始特征集中选择HBV再激活的最优特征子集。建立贝叶斯和支持向量机的HBV再激活分类预测模型,并预测最优特征子集和初始特征集的分类性能。实验结果表明,基于遗传算法的特征选择提高了HBV再激活分类性能,最优特征子集的分类性能明显优于初始特征子集的分类性能。影响HBV再激活的最优特征子集包括:HBV DNA水平,肿瘤分期TNM,Child-Pugh,外放边界和全肝最大剂量。贝叶斯的分类准确性最高可达82.89%,支持向量机的分类准确性最高可达83.34%。     

基于序列特征的环状RNA识别

环状RNA是新发现的一类具有重要生物学功能的RNA。现有的环状RNA识别工具依赖高通量测序数据,因数据本身和识别方式的弊端而普遍存在准确性不足、不同方法间重复性低以及假阳性率/假阴性率高等缺点。为了解决该问题,我们搭建模型来实现不依赖于测序数据而根据序列的内在特征的环状RNA从头预测。本文选取了包括剪接位点上下游内含子的长度、A-to-I密度和Alu重复序列等100个与RNA成环相关的序列特征,建立了机器学习模型,并识别了人类基因组中的环状RNA,比较了两种机器学习方法随机森林法(RF)和支持向量机(SVM)的分类效果。结果表明,所选序列特征能有效地鉴别RNA能否成环,同时,不同序列特征对模型的分类预测能力的贡献也不同。相比于SVM方法,RF分类的效果更好。     

基于支持向量机的蛋白质同源寡聚体分类研究

基于支持向量机和贝叶斯方法,从蛋白质一级序列出发对蛋白质同源二聚体、同源三聚体、同源四聚体、同源六聚体进行分类研究,结果表明：基于支持向量机, 采用“一对多”和“一对一”策略, 其分类总精度分别为77.36%和93.43%, 分别比基于贝叶斯协方差判别法的分类总精度50.64%提高26.72和42.79个百分点.从而说明支持向量机可用于蛋白质同源寡聚体分类,且是一种非常有效的方法.对于多类蛋白质同源寡聚体分类,基于相同的机器学习方法（如支持向量机）,采用“一对一”策略比“一对多”效果好.同时亦表明蛋白质同源寡聚体一级序列包含四级结构信息.     

两种过滤特征基因选择算法的有效性研究

对基因表达谱进行特征基因选择不仅能改善疾病分类方法的效能,而且为寻找与疾病相关的特征基因提供新的途径．通过比较用调整p值的t检验、非参数评分两种特征基因选择算法后和未进行选择时支持向量机(SVM)分类器的分类性能、支持向量(SV)的吻合度、错分样本ID的吻合度和对样本均匀翻倍后的稳定性．结果发现：特征选择后线性、核函数为二阶多项式和径向基的SVM分类性能明显提高;特征选择前后的SV及错分样本ID的吻合度均较高;SVM的稳定性较好．由此得出结论：这两种特征选择算法具有一定的有效性．     

东亚飞蝗Locusta migratoria manilensis（Mey．）膝下器中具橛感器的附属细胞和附属结构的超微结构

东亚飞蝗膝下器的具橛感器主要由三类细胞组成．即：感觉细胞、感橛细胞和冠细胞。感觉细胞为具橛感器的主要结构和功能细胞,其超微结构已在其他的文章中描述。感橛细胞是具橛感器的主要支持细胞,从近端到远端依次与神经胶质细胞、感觉细胞的远端树突部分和感觉纤毛部以及顶端细胞外结构——冠、冠细胞直接接触．感橛细胞内最明显的结构为感概,另外,感橛细胞质被高度“空化”。冠细胞紧密包围着感橛细胞和冠,冠细胞中含有大量的纵行微管．并将整个具橛感器连接到体壁上。     

甲壳素-ZnO多功能屏障膜具有治疗牙周炎的应用前景

牙周炎是一种发生于牙周支持组织的慢性炎症疾病,主要表现为牙龈结缔组织炎症、支持组织破坏和牙槽骨吸收.引导组织再生技术(guided tissue regeneration,GTR)是修复牙周缺损的一个重要手段,利用膜作为屏障防止连接上皮细胞的渗透,并允许骨组织与根表面结合.理想的屏障膜应具有抗菌、骨传导活性和良好的生物...