动态加权蛋白质相互作用网络构建及其应用研究

一个蛋白质可能在不同条件或不同时刻与不同的蛋白质发生相互作用,这称为蛋白质的动态特性.蛋白质在分子处理的不同阶段参与到不同的模块,与其他的蛋白质共同完成某项功能.因此, 动态蛋白质相互作用的研究有助于提高蛋白质功能预测的准确率.结合蛋白质相互作用网络和时间序列基因表达数据,构建动态蛋白质相互作用网络.为降低PPI网络中假阴性对功能预测产生的负面影响,结合结构域信息和复合物信息,预测和产生新的相互作用,并对相互作用加权.基于构建的动态加权网络,提出一种功能预测方法D-PIN (Dynamic protein interaction networks). 基于三个不同的酵母相互作用网络实验结果表明, D-PIN 方法的综合性能比现有方法提高了14%以上.结果验证了构建的动态加权蛋白质相互网络的有效性.     

p53抑癌基因电化学阻抗传感器研究

基于电化学阻抗技术构建了一种检测p53抑癌基因的电化学传感器.首先利用自组装作用将末端带巯基的探针p53抑癌基因(p53-DNA)固定于金电极表面,根据传感器结合前后电子转移阻抗值的变化,对目标p53-DNA进行了测定.以pH =7.4的5mmol/L K3[Fe(CN)6]-5mmol/L K4[Fe(CN)6]平衡电对溶液作为检测液,检测目标p53-DNA的线性浓度范围为1.0×10-8～ 1.0×10-6 mol/L,其检出限为3.0×10-9 mol/L(S/N =3).对5.0×10-8 mol/L的目标p53-DNA进行11次平行测定,其RSD为3.4％.该传感器制作简单、灵敏高、选择性好,且无需标记,易于操作.     

基于自适应蚁群遗传混合算法的 PID 参数优化

针对遗传算法易重复迭代、蚁群算法易陷入停滞的缺点,提出基于自适应蚁群遗传混合算法的 PID 参数优化。先用遗传算法获得 PID 参数的初值,再用改进后的蚁群算法自适应调整路径选择概率和信息素更新规则,最终搜索出 PID 参数的最优值。仿真结果表明,对于给定的被控对象,相比于 GA 和 ACS 算法,该算法搜索出的 Kkp、Kki 、Kkd 最优,系统响应时间短,动态性和稳定性佳,说明该方法整定出的 PID 参数值具有最优性。对于其他的控制对象和过程也具有参考价值。     

多表达式程序设计的新型评估方法

多表达式程序设计(MEP)是应用十分广泛的自动程序设计方法。从MEP的染色体表示规则及种群演化方式来看,每个染色体中的任何基因都有可能多次被当前或其它后续种群中的其他基因引用,从而造成重复计算,耗费大量时空资源。由此提出并实现了一种新型评估方法,该新型评估方法在不改变传统MEP的染色体表示规则和种群演化方式的情况下,能够准确有效地识别演化过程中所有被重复引用的基因,从而避免了大量重复计算,显著提高了演化效率。     

尾静脉注射方法考察Stearic-PEI/SPIO 纳米基因载体的基因转染性能及磁共振可视化效果研究

实验应用硬脂酸-聚乙烯亚胺包裹超顺磁氧化铁(Superparamagnetic Iron Oxide,SPIO)装载目的基因构建可视化 纳米复合物,进行 BABL/c 雌性小鼠体内磁共振成像实验、组织学检测,探讨其是否能够有效地介导体内基因表达以及 产生磁共振成像(Magnetic Resonance Imaging,MRI)效果。MRI 实验结果显示,对小鼠尾静脉注射复合物 0.5 小时后进 行磁共振扫描,与注射生理盐水的对照组相比实验组 T2 加权信号明显降低,信号强度仅为对照组的 35%;48 小时后, 实验组 T2 加权信号强度略有回升,但与对照组信号强度相比仍存在显著差异。组织学结果显示可视化基因纳米复合物 能够穿过血管内皮细胞进入肝脏组织,并释放 DNA 在细胞内成功表达,但基因表达效果较差。综合 MRI 成像及组织检 查实验结果可知,该纳米颗粒具有优良的 MRI 成像性能,但通过尾静脉注射方法基因转染效率较低。     

基于邻域粗糙集的加权KNN肿瘤基因表达谱分类算法

肿瘤亚型的准确判别对肿瘤的治疗具有重要意义,对肿瘤的不同亚型进行准确判别是当前生物信息学研究的重要课题．本文首先利用Relief算法排序基因并选出初始的肿瘤信息基因子集,然后利用向基于邻域粗糙集模型的向前属性约减算法FARNeM来计算加权基因集合,最后用加权KNN算法对肿瘤对这些数据进行分析,从而发现有差异的基因表达。实验结果表明了上述方法的可行性和有效性。     

在癌症分类中基于分层抽样的神经网络集成算法

在基因表达谱数据的分析中,针对有效合理地选择特征基因集的问题,本文将分层抽样技术引入特征基因选择,提高特征基因集的分类能力。以神经网络作为分量分类器,神经网络集成进行分类预测。并在结肠癌数据集上进行实验,实验结果表明该方法能有效地降低特征基因集选择的复杂性,提高对于未知样本的分类预测效果。     

联合聚类非线性相关的时序基因表达数据

为聚类非线性相关的数据对象,引入广义信息论中二次互信息作为相似性度量,利用矩阵理论降低了二次互信息的计算量,并结合滑动窗口技术,建立了一种时序数据非线性相关模型.在此基础上提出了适用于时序基因表达数据的确定性联合聚类算法MI-TSB.该算法将时序数据转化为抽象字符序列,然后插入到MI-泛化后缀树中,避免了穷举各种组合,从而快速索引全部聚类结果.实验结果显示MI-TSB算法具有良好的运行性能,成功聚类出非线性相关的对象;利用Gene Ontology对聚类结果进行基因注释,也验证了聚类结果的生物学意义.     

聚类分析中类数估计方法的实验比较

在基因表达数据的探索性聚类分析中,聚类个数的确定是决定聚类质量的关键因素。许多聚类有效性评价指标和方法可用于PAM聚类算法。该文讨论适合于PAM算法的7种常用评价指标和方法,采用4种不同聚类结构特征的基因表达数据对它们的性能进行实验比较。结果表明,系统演化方法和稳定性方法估计聚类个数的性能最好,正确率分别为100%与90%。     

用GEP实现传感器网络多源时域数据融合

本文提出了一种基于基因表达式编程GEP的多源时域数据融合模型GEP-MSDA,该模型可以在无任何先验知识的情况下自动对多源数据进行融合。实验表明,基于GEP的融合模型较传统方法能滤除更多的冗余数据,有效节省通信开销,并保持较高的精度。