蛋白质-蛋白质分子对接中打分函数研究进展

为了探究蛋白质复合物的结构与相互作用,建立了蛋白质的分子对接方法,从2014年起参加蛋白质复合物结构预测竞赛的预测和打分竞赛.该方法首先采用结构模建方法预测单体蛋白质分子的结构,通过快速傅里叶变换进行全空间构象搜索.然后,优化蛋白质复合物构象,并采用全原子统计势函数进行评价.总结第32~37轮CAPRI竞赛结果发现,该方法在T104、T105、T111和T118比赛中挑选出了L_RMSD小于2.0×10^-10 m的近天然结构.通过对比其他国际优秀课题组的方法,分析预测和打分比赛中取得的成绩和不足之处,并为后续的研究提出了改进方案与建议.

     

CAPRI第32～37轮竞赛中蛋白质复合物结构的预测和评估

为了探究蛋白质复合物的结构与相互作用,建立了蛋白质的分子对接方法,从2014年起参加蛋白质复合物结构预测竞赛的预测和打分竞赛.该方法首先采用结构模建方法预测单体蛋白质分子的结构,通过快速傅里叶变换进行全空间构象搜索.然后,优化蛋白质复合物构象,并采用全原子统计势函数进行评价.总结第32~37轮CAPRI竞赛结果发现,该方法在T104、T105、T111和T118比赛中挑选出了L_(RMSD)小于2.0×10~(-10)m的近天然结构.通过对比其他国际优秀课题组的方法,分析预测和打分比赛中取得的成绩和不足之处,并为后续的研究提出了改进方案与建议.     

蛋白质-RNA对接中打分函数设计及RNA结合位点识别研究进展

分子对接是目前研究蛋白质-RNA相互作用与识别的有效方法之一.其中,打分函数的合理设计与分子结合位点的准确识别对成功预测蛋白质-RNA复合物结构至关重要.结合小组的工作,对用分子对接方法预测蛋白质-RNA复合物结构中所涉及2个关键性问题(即分子对接打分函数的设计和RNA结合位点的预测)及研究进展进行了回顾,并对几种常用的方法进行了比较.最后分析了这两方面研究目前所存在的主要问题,并对未来的发展方向进行了展望.     

混合群智能算法在模体识别中的应用

为了避免传统吉布斯算法的诸多缺陷,提高算法的求解能力,对蚁群算法（ACO：Ant Colony Optimiza-tion）进行了改进：引入粒子群算法（PSO：Particle Swarm Optimization）动态调节ACO函数中的参数获得最优解。在奔腾PC机的实验平台上、Windows 2003Server操作系统下、开发工具为VB的模拟实验中,结果证明,混合的群智能算法使经典旅行商问题求解的计算时间缩短,提高了算法的收敛速度,有较好的发展前景。利用PSO处理连续优化问题的优点,将混合算法应用于生物信息学的模体识别中,可实现更加快速的基序发现处理。     

基于模体的汽车行业站点网络复杂性测度

为了研究大规模网络结构复杂性测度方法,并针对汽车行业站点网络布局与结构功能优化提出对策,基于万维网页面链接数据,构建汽车行业站点网络拓扑结构图.借助VOSviewer聚类算法及Gephi检测并划分网络社团结构,解析基于主题搜索的汽车行业站点内容分类体系及功能结构,并利用Pajek验证各内容社团结构的小世界性,基于Rand-ESU算法检测各社团的模体结构,提出基于模体的网络结构熵算法测度各社团的复杂性.最后,得出汽车行业站点网络社区中模体结构具有同构性,导致社区结构的信息传播功能具有相似性,模体规模与模体信息传播途径多样化对网络结构复杂性影响的显著性较高.     

蛋白质复合物结构预测的集成分子对接方法

分子对接是目前研究蛋白质-RNA相互作用与识别的有效方法之一.其中,打分函数的合理设计与分子结合位点的准确识别对成功预测蛋白质-RNA复合物结构至关重要.结合小组的工作,对用分子对接方法预测蛋白质-RNA复合物结构中所涉及2个关键性问题（即分子对接打分函数的设计和RNA结合位点的预测）及研究进展进行了回顾,并对几种常用的方法进行了比较.最后分析了这两方面研究目前所存在的主要问题,并对未来的发展方向进行了展望.

     

基于异质模体特征的社交网络链路预测

现有链路预测方法大多是针对同质网络,没有考虑到真实网络多数是节点或连边性质具有差异的异质网络,无法充分利用不同类型节点或连边的拓扑结构信息.提出了一种基于异质模体特征的链路预测方法,将网络中的用户以性别差异作为节点类型划分,构建区分节点类型的异质模体特征进行异质网络中的链路预测.在此基础上,提出融合同质模体与异质模体特...     

从模因视角探讨“马上体”的成因

2014年是中国传统意义上的农历生肖马年。“马上体”将中国传统生肖形象“马”和汉语谐音双关相结合,成为2014年度最受欢迎的祝福语体。从模因论视角出发,分析了语言模因“马上体”的复制与传播过程,探讨了语言模因“马上体”在2014年度得以流行的原因,为运用模因论分析流行语提供借鉴与参考。     

蛋白质空间结构数字特性统计分析及应用

研究了蛋白质分子的结构,从RCSB公共数据库中收集蛋白质PDB数据文件,利用统计分析和数据挖掘知识,建立了以蛋白质形心为原点的蛋白质原子空间坐标系,从蛋白质的数字特征入手,讨论了五类蛋白质(肌蛋白、血蛋白、激素、抗体、生物膜)的结构特性及数字特征的分布,其中激素分子相对其他几类蛋白质较小,原子的分布也相对集中;并讨论了20种残基的结构特性,构造出蛋白质数字特征能量函数,其结论有助于蛋白质生物功能开发和蛋白质设计研究.     

“八五”时期我国国际收支的统计分析及其见解

通过对“八五”期间国际收支平衡的统计分析,找出影响“八五”国际收支的主要因素和存在问题,并对我国国际收支状况的改善提出建议。     

蛋白质结构类的全序列神经网络预测

利用神经网络和蛋白质全序列对蛋白质结构类进行了预测.按照蛋白质序列的长度,分别从508个蛋白质中选择244个蛋白质构建了3个数据集,3个数据集中蛋白质序列的长度变化范围分别为50,100和150个氨基酸.3个数据集的自检结果均为100%.数据集的留一检测结果分别为97.13%,95.90%和95.49%.3个数据集中最好的10倍交叉检验结果为82.38%.结果表明,数据集的序列长度变化范围对预测准确率有很大影响,序列长度变化范围越大准确率越低.     

啤酒及其泡沫中蛋白质组分的比较分析

将数种国内知名啤酒的泡沫和酒液分离，分别测定它们的总蛋白质和高分子蛋白质(HMWP)质量浓度。结果显示，泡沫具有富集蛋白质的功能，且泡沫中HMWP含量的增加尤为明显；与啤酒原液中的HMWP相比，泡沫中的HMWP含量与泡持值具有更高的相关性；不同的啤酒样品的HMWP在泡沫中的富集能力存在明显的差异，由此从啤酒蛋白的层面提出一项啤酒的质量判定标准。     

一种新的DNA模体发现聚类求精算法

模体发现问题是分析基因转录调控关系的一个重要方面．提出了一种新的基于熵的聚类求精算法--ECRmotif,用于DNA序列中的模体发现问题．ECRmotif使用灵活的概率模型从背景序列中鉴别模体．它首先使用一个基于熵的聚类过程将数据集划分为若干子集,并对各候选子集压缩其实例的搜索空间,求精得到模体．通过模拟数据和真实数据的实验,表明ECRmotif算法可以有效地提高运行速度和效率,并准确地找出模体．     

利用隐马尔科夫模型识别蛋白质折叠类型

以70种蛋白质折叠为研究对象,对每种折叠,选择序列同一性小于25%、样本量大于3的代表性蛋白质为训练集,采用机器和人工结合的办法进行结构比对,产生序列排比,经过训练得到了适合每种折叠的概形隐马尔科夫模型(profile HMM)用于该折叠类型的识别.对Astral1.65中的9 505个蛋白质结构域样本进行单模型识别,平均敏感性和特异性分别为91.93%和99.95%,Matthew相关系数为0.87.在折叠类型水平上,与Pfam和SUPERFAMILY单纯使用序列比对构建的HMM相比,所用模型数量显著减少,仍然保持很高的识别效果.结果表明:对序列相似度很低但具有相同折叠类型的蛋白质,可以通过引入结构比对的方法建立统一的HMM模型,实现高准确率的折叠类型识别.     

“八五”时期我国国际收支的统计分析及其见期

通过对“八五”期间国际收支平衡的统计分析，找出影响“八五”国际收支的主要因素和存在问题，并对我国国际收支善的改善提出了建议。     

基于不确定网络的关键蛋白质识别

生物学中,关键蛋白质及致病基因主要是通过生物医学实验来识别,然而这些方法的代价相当高,效率非常低,并且适用的物种有限。高通量蛋白质组技术的发展提供了大量的蛋白质相互作用数据,这使得通过计算机方法预测关键蛋白质成为可能。大部分方法对蛋白质相互作用网络中的噪声很敏感。考虑蛋白质相互作用网络的不可靠,构建不确定相互作用网络,提出一种名为EPU的关键蛋白质识别算法。算法采用期望稠密度作为评判一个子图能否预测为关键模块的准则,预测的模块将用于关键蛋白质识别;通过蛋白质在关键模块中出现的概率频率对蛋白质评分,分值越高,成为关键蛋白质的可能性越大。实验结果显示,EPU算法性能优于其他的关键蛋白质识别算法,是一种有别于现有方法的新型关键蛋白质识别算法。结果表明,不确定性数据管理理论有助于提高算法对蛋白质相互作用网络中噪声的鲁棒性。     

模2n加与模2加的相容程度分析及应用

通过对模2∧n加与模2加相对于交换律的相容程度的分析,给出了模2n加与模2加相对于交换律所产生的噪声函数的概率分布及其取值平方和的计算公式,并利用此结果提出了一种对Estream候选算法Py的新的区分攻击方法,该方法所需的数据复杂性约为Sekar等提出的区分攻击所需数据复杂性的2019∧（-1）。     

基于距离测定的蛋白质复合物识别算法

针对蛋白质相互作用网络聚类算法标识已知蛋白质复合物数量有限的问题,提出了一种新的基于距离测定的蛋白质复合物识别算法IPC-DM。该算法基于对已知复合物内蛋白质之间的最短距离一般不超过2的发现,利用新的种子-扩充模型,大大提高了识别蛋白质复合物的准确性。基于酵母蛋白质相互作用网络的实验表明,算法IPC-DM较其他5种典型的蛋白质复合物识别算法MCODE、RNSC、CFinder、LCMA和DPClus具有更好的蛋白质复合物识别能力。     

蛋白质序列中可能存在的Zipf定律

为了分析蛋白质序列中是否存在语言学中的Zipf定律,从蛋白质二级结构数据库DSSP中抽取1.7357万条序列,把具有相同二级结构标记的氨基酸残基连续片段定义为单词,结果表明:单词出现的频率分布近似服从指数为0.981的Zipf定律.