基于蛋白质相互作用界面的比对算法研究

蛋白质相互作用界面是蛋白质相互作用产生的物理载体。考虑蛋白质相互作用界面间的结构相似性对于研究蛋白质功能,信号传导网络和药物设计具有非常重要的意义,而现有的蛋白质结构比对算法仅适用于蛋白质单体的全局空间结构。我们给出了基于整数二次规划模型的方法来考虑蛋白质相互作用界面的比对问题,该方法整合了蛋白质序列的进化信息、结构信息,并用进化谱的相似性来对比对上的残基打分以衡量其进化保守性。通过计算实验,发现进化上和结构上保守的残基有可能就是对于蛋白质结合起重要作用的残基,即热点。     

基于蛋白质CGR的线粒体蛋白质序列比对

利用蛋白质混沌游走表示法（PCGR）提出一种新的蛋白质序列比对方法。通过计算两序列之间的PCGR点距离,就可以找到所有的局部相似片断。根据氨基酸的化学物理性质把氨基酸分成4和7类,针对分类与无分类的各种情况进行蛋白质序列比对。为了更直观地描述比对结果,采用点阵图来表示比对数据,不仅能显示两序列间所有相同片断,还可以体现出序列的相似性。     

基于遗传算法的蛋白质质谱数据特征选择

针对蛋白质质谱数据在降维、分类及生物标记物识别过程中存在的问题,提出一种基于遗传算法的特征选择方法,介绍几种常用的相关策略,包括基于排列和精英保留的随机通用采样选择策略和基于自适应变肄率的均匀变异策略,给出2个适应度函数——封装器函数与多变元筛选器函数,将它们引入遗传算法中,并进行性能测试与比较。实验结果表明,基于封装器的遗传算法性能优于其他特征选择算法,而基于多变元筛选器的遗传算法性能优于单变元筛选器算法。     

基于渐进蚁群算法的DNA多序列比对

DNA多序列比对是生物信息学中的最重要的任务之一。本文针对多序列比对的特点,提出一种渐进蚁群算法,即将渐进比对算法和蚁群算法相结合。在渐进蚁群算法中,既能克服蚁群算法易于陷入局部最优解、收敛速度慢的特点,又能充分发挥渐进比对算法的优点。     

串联质谱的蛋白质序列鉴定技术综述

蛋白质组学的主要目的是鉴定出生物体内的蛋白质的种类和数量。为达到这个目的,人们开发了多种蛋白质鉴定算法,包括数据库搜索方法、De Novo方法、PST(肽段序列标签)方法和质谱数据库方法。首先介绍了质谱仪中肽段断裂机理的研究,以及相关的质谱鉴定方法,然后综述了当前常用的蛋白质鉴定方法,分析了这些方法的优缺点,最后提出了自己的见解和展望。     

基于改进的蚁群算法的多序列比对

该文将蚁群算法进行了改进,将其应用于多序列比对,只根据信息素的强度对序列比对进行信息素强度的局部和全局动态更新,在避免了多序列比对容易陷入局部最优解的前提下,提高了收敛速度。同时,本算法应用在多序列比对中的最大优势是减少了传统算法在多序列比对问题中的生成系统树的步骤,减少了多序列比对过程的复杂度,在没有降低比对结果精确度的同时,提高了比对效率。     

高通量测序数据比对算法研究进展

高通量测序技术的出现在极大的改变了生命科学研究方式的同时也产生了海量的测序数据,如何将这些数据快速而准确的比对到参考基因组上是许多生物医学研究过程中的关键一步。为此自2007年以来,研究者们开发出了超过70种用于高通量测序序列比对的软件以解决这一问题。在本文中,我们将系统的回顾这些比对软件所运用的策略和算法,从它们的起源及发展进行比较,从而帮助生物信息工作者更好的理解和应用这些比对软件。     

基于改进的模拟退火算法的蛋白质折叠研究

采用改进的模拟退火算法,搜索出最小自由能的蛋白质的三维结构,并根据组成该蛋白质的每个氨基酸的空间位置和属性,利用Java3D技术对其结构进行仿真。计算结果证明,该方法能在较短的时间内根据蛋白质的二级结构预测出其最小自由能的蛋白质的三维结构,其效率优于目前经常采用的遗传算法和模拟退火算法。     

网络攻击特征提取算法在序列比对中的运用分析

随着计算机技术的不断发展,网络攻击方式层出不穷,所以网络安全成为了目前网络工作者研究的主要问题。目前网络安全研究的一种重要技术就是攻击特征自动提取技术,这种技术切入点是研究网络攻击特征数据提取算法。经过多种序列比对进行自动提取算法分析,引入一种改进算法,它能有效降低误报率,具有一定的应用价值。     

蛋白质序列比对算法在众核结构上的并行优化

在生物信息学中,蛋白质序列比对是最为重要的算法之一,生物技术的发展使得已知的序列库变得越来越庞大,这类算法本身又具有计算密集型的特点,这导致进行序列比对所消耗的时间也越来越长,目前的单核或者数量较少的多核系统均已经难以满足对计算速度的要求.Godson-T是一个包含诸多创新结构的众核平台,在该系统上实现了对一种蛋白质序列比对算法的并行化,并且结合蛋白质比对算法以及Godson-T结构的特征,针对同步开销、存储访问竞争以及负载均衡3个方面对算法进行了细致的优化,最终并行部分整体也获得了更优的、接近线性的加速比,并且实际性能远远优于基于AMD Opteron处理器的工作站平台.     

基于特征索引的图相似查询过滤算法

分析图相似查询候选集的产生过程以及特征图之间的关系对候选图集的影响,提出一种基于特征索引的图相似查询过滤算法,使用GIndex算法建立特征图索引结构,通过特征图之间的选择性关系给出一个有序的特征集,并借助特征-图矩阵对数据库进行筛选得到候选图集。实验结果证明,该方法能准确地产生候选图集,从而提高图查询的效率。     

基于特征向量局部相似性的社区检测算法

社区的发现和分析是复杂网络结构和功能研究中的一个热点。目前广泛应用的社区划分算法存在时间复杂度过高、社区核心数量无法准确量化、划分精度不高等问题。文中提出了一种基于特征向量局部相似性的社区检测算法ELSC。该算法首先计算网络中每个节点的特征向量中心性,在此基础上提出了特征向量局部相似性(ELS)和特征向量吸引性(EA)指标。ELS指标表示节点之间的相似性,用来形成初始社区,在同一个社区内部节点之间的相似性较高,在不同社区节点之间的相似性较低;EA指标同时考虑了局部相似性和特征向量中心性的占比,表示节点之间的吸引性,用来优化初始社区,并在此基础上完成网络的社区划分。该算法由最值确定节点,避免了节点数量阈值不确定的问题。在7个真实网络上将所提算法与6种知名算法的模块度和标准化互信息两个指标进行综合比较,结果表明,该算法具有良好的准确性,并且具有较低的时间复杂度。     

基于边缘邻域的乳腺肿块特征提取算法

乳腺癌是一种严重威胁人类生命健康的疾病。只有早发现和早治疗才不会错过治疗的最佳时机。乳腺肿块是乳腺癌最主要、最常见的病灶特征,研究乳腺图像中肿块的特征提取,有利于辅助医生诊断,提高医生阅片的效率和正确率。本文针对以往的特征提取方法没有考虑图像的空间信息,造成分类准确率不高的问题,提出一种基于边缘邻域的特征提取算法,使图像特征包含肿块边缘邻域空间信息,其基本思想结合了主动轮廓模型和词袋模型,利用参数控制并确定边缘邻域,对邻域内的特征进行组合或者加权。在保证分类器模型不变的情况下,通过与以往的特征提取算法相比,验证了本算法在分类准确率上优于其他特征提取算法。     

基于特征权重量化的相似度计算方法

随着信息产业的迅猛发展,聚类的无监督特性使其成为一种极为有效的分析工具。而为获得良好的聚类结果,有效及准确的相似度计算方法是其必备的前提条件。事实上,在描述数据相似度时,不同的特征显然具有不同的作用,因此有必要借助一些先验知识,例如用户提供的限制数据,来衡量特征的重要性,并将其应用于相似度计算中以获取更加准确的计算结果。传统的特征权值量化方法均忽视了两点问题：（1）限制数据在特征空间中极有可能为非均匀分布;（2）限制数据可能包含不一致性。上述问题的存在使得传统的权值量化方法无法获得准确的结果甚至无法运行。基于此,文中提出了一种新颖的特征权值量化方法用以处理上述两点问题：（1）将限制数据划分为若干个等价类,进而通过计算参数“分布系数”来均匀化数据的分布;（2）将限制数据连接为无向图,进而通过计算参数“置信度”来衡量及弱化限制数据的不一致性。之后将这两个参数结合到特征权值量化函数中以获得准确的相似度计算结果。实验结果显示：该特征权值量化方法能够结合限制数据来获取不同特征对相似度计算的贡献能力,并能应用于任何聚类算法中以提高聚类的准确度。     

基于图像的异常步态二次特征提取算法仿真

针对传统特征提取算法容易忽略对数据的降维处理,未能较好的提取出图像异常步态特征,导致提取准确率不高的问题,提出一种基于图像的异常步态二次特征提取算法。根据不同姿态下足底的压力变化数值,完成异常步态图像的一次特征提取;根据一次特征提取后正常步态定义的特征变量数据,构建目标个体行走轮廓的步态能量图,同时结合KPCA核方法,对一次特征提取后的步态轮廓数据进行降维处理,完成异常步态的二次特征提取。仿真结果表明,在正常步态下和异常步态下,所提算法都能够有效地提取出图像的异常步态,具有较高的特征提取准确率,表明所提算法具有较强的实用性。     

基于特征相似性的RGBD点云配准

三维点云数据的配准是计算机视觉领域的重要研究课题,也是三维重建的关键步 骤。针对 RGBD 点云数据的配准问题,提出一种基于特征相似性的初始配准方法。首先需要计 算待配准的 RGBD 点云模型的曲率和颜色特征度(CFD),并对 CFD 进行统计分析,若模型颜色 特征足够丰富优先采用颜色相似性策略,反之尝试曲率相似性策略。通过特征点提取精简点云 模型,利用确定的对应点选择策略选择候选对应点对。在候选对应点对上采用优化样本一致性 算法获得初始配准变换矩阵,实现两片点云的初始配准。针对不同颜色纹理的 RGBD 点云模型, 本文方法可以自适应选择合适的特征点选择策略,实现点云间良好的初始配准。实验结果表明, 对于几何特征不明显的 RGBD 模型,本文方法能够自适应选择颜色相似性策略来较好地完成初 始配准。对于不同类型的模型配准结果较好,算法效率更高。     

基于概念特征的语义相似度计算方法

现有语义相似度计算方法没有充分利用本体中的语义信息,且计算方法复杂。为此,提出一种基于概念特征的语义相似度计算方法。根据概念在本体中的层次结构来确定特征集合,引入宽度影响因子,给每个特征赋予不同的权值,通过计算2个概念特征集合间的相似度得到概念的相似度,引入深度影响因子,将相似度公式表示成更直观的形式。实验结果表明,该方法计算简便,且比较接近人类主观的判断值。     

基于扩展结构相似性的特征匹配方法

传统特征匹配的相似性度量方法多假定特征为直方图形式,结构单一。结构相似性(SSIM)度量在图像质量评价领域表现良好,但其鲁棒性较差。针对上述问题,提出一种扩展结构相似性度量方法。从空间网格提取特征阵列的三阶张量结构丰富特征信息,以加和形式修改SSIM度量,并引入权值,将张量特征结构用于相似性度量,建立高鲁棒性的相似性度量方法。提供点积形式的显性特征映射,以加快相似性度量速度。对关键点匹配和图像检测任务进行实验,结果表明,与传统相似性度量方法相比,该方法具有鲁棒性更强的匹配效果,并且计算效率有较大提高。     

基于实体的相似性连接算法

按照元组描述的实体对其进行组织和查询处理,是一种管理劣质数据的有效方法.考虑到同一个实体的同一属性存在多个描述的值,因此,基于实体的数据库上的连接是支持多个值的相似性连接.与字符串的相似性连接相比较,实体的相似性连接在数据清洗、信息集成、模糊关键字查询、诈骗检测和文本聚集等领域有着更好的应用效果.通过建立双层索引结构,提出了实体数据库上相似性连接算法ES-JOIN.同时,该方法适用于解决集合中字符串模糊匹配的相似性连接问题,而传统的集合相似性连接只针对集合中元素精确匹配的情况.为了加速连接,还提出了过滤措施对算法进行优化,进一步给出了优化算法OPT_ES-JOIN.实验验证了ES-JOIN算法和OPT_ES-JOIN算法具有很好的效率和可扩展性.实验结果表明,过滤措施具有很好的过滤效果.