P-糖蛋白基因疫苗的构建与鉴定

目的　制备P 糖蛋白基因疫苗。方法　利用PCR方法扩增编码人类P 糖蛋白多药耐药基因序列胞外区约 1kb片段 ,与真核表达载体pcDNA3进行定向重组 ,限制性内切酶BamHI和XhoI双酶切反应及测序鉴定该重组基因疫苗 ,磷酸钙共沉淀法转染人类K5 62红白血病细胞 ,经G418筛选后 ,免疫组化分析该重组基因疫苗表达产物的抗原特异性。结果　构建了pcDNA3 MDR1重组基因疫苗。限制性内切酶BamHI和XhoI双酶切分别显示 5 .4kb的载体片段及约 1kb的插入序列 ,测序 948个碱基中除 2个碱基突变外均与原序列排列相符。免疫组化方法证实细胞膜表面MDR1约 1kb片段的表达产物可被抗Pgp抗体识别。结论　构建的pcDNA3 MDR1重组基因疫苗可被市售的Pgp抗体特异性识别 ,具有Pgp抗原特异性     

基于自主学习与SCAD-Net正则化的回归模型

众多基因生物标志物选择方法常因研究样本较少而不能直接用于临床诊断.于是有学者提出整合不同基因表达数据同时保留生物信息完整性的方法.然而,由于存在批量效应,导致直接整合不同基因表达数据可能会增加新的系统误差.针对上述问题,提出一个融合自主学习与SCAD-Net正则化的分析框架.一方面,自主学习方法能够先从低噪声样本中学习出基础模型,然后再通过高噪声样本学习使得模型更加稳健,从而避免批量效应;另一方面,SCAD-Net正则化融合了基因表达数据与基因间的交互信息,可以实现更好的特征选择效果.不同情形下的模拟数据以及在乳腺癌细胞系数据集上的结果表明,基于自主学习与SCAD-Net正则化的回归模型在处理高维复杂网络数据集时具有更好的预测效果.     

基因诊断与治疗方法的可专利性研究

随着人类基因组计划的完成,基因诊断和治疗方法作为新一代的生物医疗技术备受关注。基因诊断和治疗是生物技术发展中的一个热门产业,是否对基因诊断和治疗方法授予专利权这个问题引起各国的广泛关注和讨论。主要介绍美、欧、日三大专利局对基因诊断和治疗方法是否具有可专利性的做法,阐述支持和反对基因诊断和治疗方法授予专利权的原因,提出相关的完善意见。     

肿瘤基因选择方法LLE Score

针对处理肿瘤基因表达数据特征选择问题,提出了一种特征选择方法 LLE Score.该方法是典型的过滤器类型特征选择方法,在样本类别信息的基础上,LLE Score针对特征向量的局部邻域保存能力进行评价,并且根据评价结果进行特征的选取,以此达到良好的特征选择效果.在实验部分对肿瘤数据集进行特征选择,并采用支持向量机分类器计算分类准确率.通过分类准确率说明了该方法的有效性.     

武汉地区结核分枝杆菌链霉素耐药分离株rpsL基因分子特征研究

探讨武汉地区结核分枝杆菌链霉素（SM）耐药临床分离株rpsL基因分子特征。收集71株临床分离株,采用刃天青法测定临床分离株对SM的最低抑菌浓度（MIC）,同时用直接测序法分析rpsL基因的突变情况;用RD105基因缺失检测法鉴定71株临床分离株中＂北京基因型＂菌株。结果显示20株SM敏感株rpsL基因未发现突变（MICs〈0.25 mg/L）;51株SM耐药株中,35株（68.6%）检测到rpsL基因突变,主要发生在第43位和88位密码子,MIC≤1 mg/L的SM耐药株（低水平耐药株）总突变率低于MIC≥2mg/L（高水平耐药株）;北京基因型与耐药株的相关性不大。研究表明SM耐药菌株rpsL基因突变类型存在地域差异;rpsL突变与SM高水平耐药的相关性在本研究中关联度不大;＂北京基因型＂菌株在武汉地区呈流行趋势。     

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。     

偏标记学习研究综述

在弱监督信息条件下进行学习已成为机器学习领域的热点研究课题。偏标记学习作为一类重要的弱监督机器学习框架,适于多种实际应用问题的学习建模。在该框架下,每个对象在输入空间由单个示例(属性向量)进行刻画,而在输出空间与一组候选标记相关联,其中仅有一个为其真实标记。本文将对偏标记学习的研究现状进行综述,首先给出该学习框架的定义以及与相关学习框架的区别与联系,然后重点介绍几种典型的偏标记学习算法以及作者在该方面的初步工作,最后对偏标记学习进一步的研究方向进行简要讨论。     

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。