哈希快速多标记学习算法

本文针对多标记学习耗时大、很难处理大规模数据的问题,提出了一种哈希快速多标记学习算法（HFMLL）,该算法将哈希算法与多标记学习算法结合,采用局部敏感哈希算法快速获得每个样本的近邻样本,并通过最小独立置换的MinHash算法快速找到每个标记的相关标记,根据其近邻样本及相关标记的信息,运用最大后验概率准则来预测新样本的标记集。实验表明HFMLL 算法在保持较高分类性能的情况下,算法速度明显优于目前的多标记算法,可以广泛应用于大规模的数据集。      

基于新型机器学习方法的蛋白质功能预测与分析

介绍了蛋白质功能预测与分析的现状和主要研究内容,并说明了如何利用新型机器学习方法来进行这方面的研究工作,并对其以后的发展提出了展望.     

基于快速多示例多标记学习的G蛋白偶联受体生物学功能预测

G蛋白偶联受体(G protein-coupled receptors, GPCRs)是人类中最庞大的膜蛋白家族,也是很多药物的重要靶点,准确了解GPCRs生物学功能是理解它们参与的生物学过程及其药物作用机制的关键.以前的研究表明,蛋白质功能预测可抽象为多示例多标记学习(multi-instance multi-label learning, MIML)问题.设计了一种基于快速多示例多标记学习方法MIMLfast的GPCRs生物学功能预测模型.该模型采用了一种新的混合特征,它考虑了GPCRs结构域的三联氨基酸、氨基酸关联、进化、二级结构关联、信号肽及无序残基等多种信息.实验结果证明,该模型获得了很好的性能,优于目前最优的多示例多标记学习、多标记学习的预测方法和CAFA蛋白质功能预测方法.     

理工院校生物医学工程专业解剖生理学教学的思考

解剖生理学是生物医学工程专业重要的专业基础课。指出理工院校解剖生理学教学中存在的问题,结合实际的教学体会,根据生物医学工程专业的特点,探索适合理工科院校的解剖生理学教学方法。     

强化创新型开放性实验,促进生物信息学课程建设

拟依托学院已获批准正在筹建生物医学实验室平台,以《生物信息学导论》本科教学课程为载体,以学院生物信息学相关科研项目为推动力,充分结合学校和学院开展的实验室开放项目,充分利用学院生物信息系实验中心已有的丰富的计算机和服务器计算资源,建设学生创新型生物医学实验室,以发挥学生在《生物信息学导论》及相关课程学习中的积极性、主动性和创造性,激发学生科研实践的兴趣,培养学生的创新科研能力。     

理工院校生物医学工程专业解剖生理学教学的思考

解剖生理学是生物医学工程专业重要的专业基础课.指出理工院校解剖生理学教学中存在的问题,结合实际的教学体会,根据生物医学工程专业的特点,探索适合理工科院校的解剖生理学教学方法.     

三明重机JA系列压路机

厦工集团三明重型机器有限公司推出了新型JA系列机械式振动压路机:YZ14JA、YZ16JA和YZ18JA,与同档次的传统机械式振动压路机相比,该系列产品具有以下特点。 动力强劲 YZ14JA、YZ16JA和YZ18JA都选配玉柴YC6108ZG系列6缸发动机,额定功率分别为90、100和110kW,且油耗低、噪声小、排放指标好。     

电液控制的液压支架跟机动作的液压特性研究

为实现液压支架自动跟机动作安全高效,主要对液压支架单架、两架同时降移升动作以及推溜动作的液压特性进行研究分析,进而保证实现液压支架自动跟机动作的安全高效,提高煤矿开采效率.     

利用深度迁移学习靶向GPCRs的配体活性预测

G蛋白偶联受体(GPCRs)是最重要的药物靶标之一，约占市场上药物靶标的34%。药物发现过程中，配体生物活性的准确建模和解释对于筛选苗头化合物至关重要。研究表明，同源的G蛋白偶联受体能提升配体分子生物活性的预测性能和可解释性。提出了一种新的方法 GLEM，用多任务下的深度迁移学习来预测配体的生物活性，并通过组稀疏来识别相关的关键子结构。GLEM方法在9组30个具有代表性的人类GPCR数据集上进行了实验，这些GPCRs涵盖了大部分人类GPCRs的子家族，每个GPCR数据集都包含60～3 000个配体。实验结果表明，GLEM方法在绝大多数数据集中都获得了最好的性能。与单任务学习方法相比，GLEM方法在r²上平均提升了31.72%；与深度学习方法相比，GLEM方法在r²上平均提升了22.45%。此外，还评估了不同数量的训练样本对模型性能的影响，实验发现GLEM方法在小样本情况下表现最好。