重症监护病房紧急状况预警算法

重症监护病房中的病人身体状况通常很不稳定,常出现各种需要医护人员介入治疗的紧急状况。由于医疗资源有限,医护人员可能无法及时发现并处理这些紧急状况,给病人的存活率带来严重的负面影响。如果可以预测这些紧急状况的发生,并及时通知相关医护人员,将大大提高病人的存活率。常见重症监护病房紧急状况包括突然死亡、败血症、肺部感染、急性低血压、以及器官衰竭等。紧急状况预警建模主要采用病人的长时间生命体征监测数据,预测在一定时间之后发生某种紧急状况的可能性。预警模型所采用的监测数据分为静态数据、事件数据和时间序列数据等三类。静态数据具有容易采集、但预测准确性偏低的特点。事件数据或时间序列数据、以及多种类型数据的混合数据对于紧急状况预警模型的预测性能的提高有重要作用,将会获得更广泛的应用。     

基于GPU 的生物信息学研究综述

随着高通量生物组学数据生成技术的不断发展,近几年的生命科学研究的研发方法也出现较大的变革。海量的生物数据分析迫切需求现代大数据工具和技术。GPU在浮点运算、并行性以及能耗上与其他技术相比有显著的优势,其作为一种通用计算工具越来越受到重视。GPU很早就被用运用到生物信息学研究中,其加速效率一般能够达到两个数量级以上。文章主要概述GPU在生物信息学多个研究领域中应用,探讨GPU技术所适应的问题模型,并分析了其存在的不足。     

基于miRNA组学的数据增强算法

近年来,诸多研究揭示了miRNA的表达和疾病之间的关系,特别是其与肿瘤的发生、发展和治疗的密切关联。然而,传统的分子生物学测试方法既耗时又昂贵,患病样本获取困难,不平衡的数据集训练得到的分类器导致患病样本识别准确率低。面对以上挑战,提出了一种新的区分患病样本、健康样本以及挖掘疾病生物标志物的数据增强算法OCF,使用条件式生成对抗网络进行数据增强,然后用特征选择算法减少特征数量,最后再利用机器学习分类器进行分类识别并筛选出生物标志物进行分析。实验结果表明,该算法具有更好的分类性能,并验证了筛选出的生物标志物的准确性。     

细胞穿膜肽识别问题的多特征融合卷积网络预测算法

细胞穿膜肽是一类特殊的多肽,具有独特的医学价值,因此如何通过计算方法高效地识别细胞穿膜肽是一个值得研究的重要问题。目前的主流方法是使用各种特征表示算法获取序列特征,然后使用机器学习分类器进行分类。提出了一种新的识别算法 ConvCPP,利用改进的卷积神经网络提取蛋白质序列特征。改进之处包括在卷积层之前添加注意力层,并且优化了池化层的池化方式。设计消融实验来验证改进的有效性,之后结合多种其他基于蛋白质序列特征的特征提取算法,并测试了两种特征选择算法,最终得到最优的向量表示。再根据得到的向量表示,结合多种机器学习分类器对蛋白质序列进行分类识别。在基准数据集上的实验表明,该算法比当前的细胞穿膜肽识别方法具有更好的预测性能。     

宏基因组中可移动序列的精确检测问题研究

基因组组装是宏基因组分析的主要挑战之一。通常假设所有测序序列均来源于同一个基因组,微生物中非常活跃的可移动元件给这个前提假设提出了重大质疑。文章将该质疑抽象为可移动元件与宿主染色体之间的二分类问题,准确的二分类性能将进一步促进宏基因组学方面的研究。基于宏基因组测序数据的数值化特征,详细考察特征选择算法 ReliefF、卡方检验和 Fisher判别t检验,并结合分类模型逻辑回归、极限学习机、支持向量机和随机森林,验证最优可移动元件检测模型的性能。实验结果表明,ReliefF特征选择算法和随机森林分类算法的融合模型,使用100个特征即可正确分类95%以上的宏基因组测序数据,优于使用全部的690个特征。     

Minimizing ADMs on WDM directed fiber trees

This paper proposes a polynomial-time algorithm for Minimum WDM/SONET Add/Drop Multiplexer Problem (MADM) on WDM directed fiber trees whether or not wavelength converters axe used.It runs in time O(m^2n),where n and m are the number of nodes of the tree andthe number of the requests respectively.Incorporating T.Erlebach et al.‘s work into the proposed algorithm,it also reaches the lower bound of the required wavelengths with greedy algorithms for the case without wavelength converters.Combined with some previous work,the algorithm reduces the number of required wavelengths greatly while using minimal number of ADMs for the case with limited wavelength converters.The experimental results show the minimal number of required ADMs on WDM directed fiber trees.     

使用可调ADM的对称全光树网上的调度算法

波分复用技术可以显著提高光传输网络的带宽,是未来主干网的核心技术之一.工作波长可调节的加载/下载复用器(ADM)是实现该技术的主要光学器件之一,研究使用可调ADM的全光网络上的任务调度问题具有重要的理论和应用价值.该文研究了在每个节点放置一个可调ADM的对称全光树网上的任务调度问题,首先证明了它是NP完全的,接着给出了星形网络上的近似算法及其性能分析.最后,将一般树网上任务调度问题规约为星形网络上相同的问题,得到了一个2×(1.1×Opt 0.8 L)/Opt近似算法.     

基于稀疏自编码器的无监督特征工程算法BioSAE

为了研究特征间的内在关系,提出了一种基于稀疏自编码器的无监督特征工程算法BioSAE对给定数据集进行编码,并猜想经过稀疏自编码器编码的新构造特征可以训练出更好的分类模型。使用来自TCGA的6种癌症类型的3494个甲基化样本进行了综合评估与实验,首先通过稀疏自编码器得到经过编码的特征,然后使用这些特征与原始的甲基化特征进行分析和对比。实验结果表明：在本研究进行的大多数建模实验中,经过BioSAE编码的特征均优于原始的甲基化特征。同时,将这一算法应用于一些其他领域数据集,如图像数据等,同样取得了相似的提升效果。