一种基于OPM和FBG滤波器的新型双工ROF系统

提出了一种采用光相位调制器(OPM)和光纤布 拉格光栅(FBG)滤波器实现的双向光纤无线通信(ROF)系统。在中心站,系统采用OPM和FBG滤波器产生抑制一阶边带的多边带光信号 ,而2.5Gbit/s 的下行链路信号只调制在中心光载波上同时经过光纤进行传输。在基站,未被调制的边带信 号用来重新调 制上行链路信号。建立了产生光载毫米波的理论模型,分析了光纤色散导致的相位影响,并 通过仿真实验 验证了系统的可行性。结果显示,经过60km光纤传输后,上、下行 链路信号的眼图都清晰可见,上行链 路功率代价小于0.2dB,下行链路功率代价小于1.8dB,系统具有较好的抗色散能力。     

蛋白质相互作用预测方法研究进展

蛋白质间的相互作用是细胞实现功能的基础,其研究对疾病的诊断和治疗有着重要意义。蛋白质相互作用预测方法有实验方法和计算方法两大类。作为实验方法的有效补充和验证工具,计算方法受到越来越多人的重视。本文主要分析了预测蛋白质相互作用的主要方法及其优缺点,对当前需待解决的相关问题进行了阐述。     

基于蛋白质相互作用网络图的聚类方法

依据人类AD（Alzheimer’s Disease）相关蛋白质相互作用网络图,利用基于算术平均最小值——AAMV（Arithmetic Average Minimum Value）的K-means聚类方法对蛋白质进行聚类并预测4个孤立蛋白质的功能。分析结果表明：所得结果与用Maryland Bridge 法及Korbel法所得结果非常相似。     

基于一致性学习预测药物 - 靶标相互作用

提出了一种基于局部全局一致性（LLGC）学习的药物 - 靶标相互作用预测模型。该模型基于 邻近结点及流形结构或聚类中的结点更有可能有相同标签这一结论,综合考虑靶标和药物数据的全局和局部 特征,融合靶标的序列相似性和药物 - 靶标网络的拓扑结构信息,提出药物 - 靶标相互作用预测方法,挖 掘来自标准数据集中的药物 - 靶标相互作用数据。为了分析局部全局一致性方法的性能,在酶、离子通道、 GPCR 与核受体 4 个数据集中对此方法与 SBGI、KBMF2K、NetCBP 和 WNN-GIP 进行了比较,实验结果表 明,除了在核受体数据中 LLGC 的 AUC 值比 NetCBP 和 WNN-GIP 中的略低外,在其他 3 个数据中,LLGC 的性能都优于其他方法。确定模型性能后,将其用于药物 - 靶标相互作用数据预测,给出了得分最高的 5 个 药物 - 靶标相互作用数据,且得知标准数据集中已知的药物 - 靶标相互作用数据绝大部分出现在预测集的前 20% 中,91% 以上出现在预测集的前 50% 中。这个结果表明,LLGC 能有效预测药物与靶标之间的潜在关联。     

基于多标记学习预测药物-靶标相互作用

对药物-靶标关联进行了研究,提出基于弱标记和多信息融合的药物-靶标相互作用预测方法PDML。通过与其他方法对比和数据库检索验证评估PDML模型的性能：与Yamanishi提出的方法、RLSMDA、LapRLS及NetCBP相比,除在核受体数据集中该方法在AUC上的性能比LapRLS略有降低之外,模型在敏感性、特异性、AUC和AUPR上的性能均优于其他四种方法;提取前5个预测分值最高的药物-靶标对,这些药物-靶标对能通过检索DrugBank、SuperTarget和KEGG数据库而得到验证。     

基于蛋白质相互作用网络的聚类算法研究

蛋白质相互作用网络是计算机科学技术的一个新研究领域。蛋白质相互作用网络中结点之间的距离度量需要通过基于网络的最短路径距离来重新定义,其计算代价高,这使得已有的基于欧几何距离的聚类算法不能直接运用到这种环境中。因此,通过蛋白质相互作用网络的特征提出了一种新的聚类算法。算法使用网络中的边和结点信息来缩减搜索空间,避免了一些不必要的距离计算。实验结果表明,算法对于真实的蛋白质相互作用网络中的结点聚类是高效的。