基于CNN算法识别两类金属离子配体结合位点

蛋白质需要与配体相结合才能执行其功能,所以预测蛋白质与金属离子配体结合位点是当前重点研究课题且富有挑战性.本文选取碱土金属和过渡金属离子作为研究对象,添加了氨基酸的关联信息作为新的特征参数,采用偏差作为新的特征提取手段优化组分信息,结合位置权重矩阵提取的位点保守性信息和信息熵提取的物化特征,并使用卷积神经网络算法对两类金属离子配体结合位点进行预测,并对算法超参数进行优化,得到了较好的预测结果,Fe~(2+)、Fe~(3+)、Cu~(2+)和Zn~(2+)的Sn都超过了32%,MCC值都超过了0.384.     

基于组合的矩阵打分算法识别Na~+和K~+配体结合残基

金属离子配体与蛋白质的相互作用,在诸多重要的生命进程中实现着不可替代的生物学功能,配体结合残基的预测对蛋白质生物功能的理解提供重要的依据,也有利于药物设计和开发。工作中选取了研究者已整理好的一价金属离子配体Na+和K+的结合残基数据集,在序列水平上使用矩阵打分算法识别了Na~+和K~+金属离子配体结合残基,发现整体分类器的预测结果好于单分类器的预测结果。     

融合物化特征及结构信息的随机森林算法识别Ca~(2+),Mg~(2+)和Mn~(2+)结合残基

Ca~(2+),Mg~(2+)和Mn~(2+)结合残基的识别是众多的金属离子配体中效果较差的,但这些金属离子配体与蛋白质的相互作用在生命进程中实现了不可替代的生物学功能,因此提高Ca~(2+),Mg~(2+)和Mn~(2+)结合残基的识别质量对药物设计特别重要。工作中提出了一种融合物化特征及结构信息的随机森林预测方法,对Ca~(2+),Mg~(2+)和Mn~(2+)配体结合残基预测的总精度分别达到了77.6%,77.0%和87.1%,马氏相关系数分别达到了0.563,0.542和0.743。同时将同样的预测参数降维后应用于SVM方法对三种金属离子结合残基进行了预测,也得到了较好的预测结果。     

两种酸根离子配体结合位点的识别

在许多重要的生命活动中,蛋白质功能的执行依赖于蛋白质与配体的相互作用,酸根离子作为一种重要的蛋白质结合配体,其结合位点的识别对于蛋白质功能的研究有着重要意义.本文选取了两种酸根离子配体作为研究对象,提出了基于序列信息的MultilayerPerceptron算法,5-交叉检验下,得到了较好的预测结果.     

基于二十维组合特征的Naive Bayes Classifier预测金属离子配体的结合残基

蛋白质与金属离子配体的相互作用在生命进程中扮演着非常重要的角色.预测金属离子配体的结合残基对于理解细胞机制和设计分子药物有重要意义.文中使用Naive Bayes Classifier对十种金属离子配体Zn~(2+)、Fe~(2+)、Fe~(3+)、Cu~(2+)、Mn~(2+)、Co~(2+)、Ca~(2+)、Mg~(2+)、Na~+和K~+的结合残基进行预测,五交叉检验下得到了较好的预测结果.     

基于SVM整体分类器的Ca~(2+)和Mn~(2+)配体结合残基的识别

金属离子配体与蛋白质的相互作用,在诸多重要的生命进程中实现了不可替代的生物学功能,配体结合残基的预测对蛋白质生物功能的理解及药物设计有重要意义。工作中选取了Ca~(2+)和Mn~(2+)配体的结合残基数据集,从序列信息出发,提出了一种基于SVM整体分类器的预测方法。对Ca~(2+)配体结合残基,组合3分类器预测的总精度达到了71.45%,马氏相关系数达到了0.431;对Mn~(2+)配体结合残基,组合5分类器预测的总精度达到了81.00%,马氏相关系数达到了0.620。     

蛋白质中钙离子结合残基的识别

钙结合蛋白在诸多重要的生命进程中实现着不可替代的生物学功能。而这些功能的实现,均取决于蛋白质中配体结合残基与钙离子的相互作用。因此,对蛋白质中钙离子结合残基的识别是理解这种重要分子机制的有效手段。建立了396条非冗余蛋白质链共包含1952个钙离子结合残基的钙离子结合蛋白数据集,通过统计分析确定以17个氨基酸残基作为最佳片段长度。使用10交叉检验,以氨基酸组分为特征参数的离散增量算法的预测精度为62.4%,相关系数为0.25;以位点氨基酸保守性信息为特征参数的矩阵打分算法的预测精度为69.9%,相关系数为0.40;以离散增量值、矩阵打分值和自协方差值为特征参数的支持向量机算法的预测精度为75.0%,相关系数为0.50。     

基于EEMD-PSR-CS-SVR组合方法的PM2.5浓度预测模型研究

为了解决具有非线性特征的未来24小时PM2.5浓度预测难题,将集合经验模态分解(ensemble empirical mode decomposition, EEMD)和相空间重构(phase space reconstruction, PSR)技术与布谷鸟算法优化的支持向量机(CS-SVR)模型结合起来,建立EEMD-PSR-CS-SVR组合预测模型。采用EEMD将PM2.5浓度时间序列分解为n个不同尺度的IMF子序列及余项,然后对各子序列进行相空间重构,再用重构后数据对支持向量机预测模型进行训练并得到未来24小时PM2.5浓度的预测结果,在其中采用布谷鸟算法对支持向量机参数进行优化。实验结果显示：建立EEMD-PSR-CS-SVR组合预测模型对PM2.5浓度的预测结果,相对于单一预测模型(ARIMA、LSTM、BP)、不同的模态分解方法(EMD-PSR、CEEMD-PSR),以及不同参数优化算法的SVR预测模型等具有显著提高的预测精度(R,RMSE, MAE, MAPE等评价指标),为未来24小时PM2.5浓度预测研究提供了一种新的方法。     

基于机器学习的蛋白质相互作用位点预测研究进展

利用计算方法预测蛋白质之间的相互作用,既省时又省力,弥补了采用原理不同和实验条件限制等因素导致的实验数据具有一定假阳性和假阴性实验的缺陷.针对蛋白质相互作用的功能位点,列出了常用的蛋白质相互作用数据库.为了提高预测的精确度,分析了蛋白质特征属性信息选择,以及常用的机器学习预测方法,总结了蛋白质相互作用位点预测的常用机器学习智能算法模型,给出相应的实验评价标准.     

基于矩阵打分值和化学位移值预测酶蛋白质中β-发夹模体

酶是一类具有催化功能的蛋白质,对其结构和功能的研究是非常有必要的。特殊模体β-发夹是一种简单的超二级结构,它们包含了丰富的折叠信息,对酶中β-发夹的预测有助于酶结构和功能的预测。本文建立了非冗余的β-发夹模体数据集,包含1080条酶蛋白质链,2818个β-发夹模体,1098个非β-发夹。提取位点亲疏水组分及位点亲疏水紧邻关联组分作为参数,运用矩阵打分算法得到的预测结果不理想。将位点亲疏水、位点亲疏水紧邻关联组分为参数得到的打分值和平均化学位移值共同作为特征参数,输入支持向量机算法对模体进行预测,5交叉检验预测总精度是81.8%,相关系数达到了0.636。     

基于PSO-SVM模型的网络流量预测研究

针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机(SVM)模型进行预测.针对SVM模型中参数难以确定的问题,采用粒子群(PSO)算法进行参数寻优,保证预测的精确度.将PSO-SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO-SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律.     

基于改进ORB算法的特征点匹配研究

针对ORB(Oriented FAST and Rotated BRIEF)算法不具有尺度不变性的缺陷,结合多尺度Shi-Tomasi算法提出了改进的ORB算法:STORB(Shi-Tomasi-ORB)算法。首先在多尺度空间中通过快速预筛选后检测Shi-Tomasi特征点,然后使用ORB算法生成具有方向信息和尺度信息的特征点描述子,最后采用汉明(Hamming)距离对特征点进行匹配,并结合随机抽样一致(RANSAC)算法对匹配结果进行优化,实现图像的准确匹配。实验结果表明,STORB算法不仅保留了ORB算法优良的旋转不变性与实时性,而且当图像发生尺度变化时特征点匹配正确率达到了95.8%,比ORB算法提高了65.2%。     

蛋白质中四类简单超二级结构的分类

蛋白质超二级结构预测是三级结构预测的一个非常重要的中间步骤。本文从蛋白质的一级序列出发,运用了一种改进的预测算法:以氨基酸组分和紧邻氨基酸分别作为参数,输入离散增量算法的单分类器中,通过加权融合单分类器的计算结果,对四类超二级结构进行了预测,取得了较好的预测结果。四类超二级结构的平均预测总精度达到78.3%,Matthew’s相关系数在0.65以上。     

优化SVM在锅炉负荷预测中的应用

提出智能优化支持向量机算法来提高模型的预测能力和泛化能力。该算法针对支持向量机噪声敏感问题采用小波方法对数据集去噪;利用核主成分分析方法提取数据特征;采用量子粒子群算法优化支持向量机超参数。将该优化算法应用于锅炉负荷短期预测,实验结果表明,该优化算法预测精度较高,收敛速度较快,泛化性能优于其他预测方法,且工程实现容易。     

27类蛋白质折叠子的识别及其位点的统计分析

从蛋白质的氨基酸序列出发,采用全体分类的分类策略识别27类折叠子.当使用5种矩阵打分的方法识别27类折叠子时,预测结果并不理想,进一步使用了以矩阵打分方法得到的分值及氨基酸的二肽组分共同作为参数的离散增量算法,取得了较好预测效果.总的预测成功率达到了45.43%.     

基于PSO算法优化RBF神经网络的基金净值预测研究

为了更精确地对基金净值进行预测,针对基金净值变化具有非线性和随机性等特点,提出基于粒子群优化RBF神经网络的基金净值预测模型。利用具有全局寻优的PSO算法对RBF神经网络的参数进行优化,并用经PSO算法优化的RBF神经网络对基金净值进行预测分析。仿真实验结果表明:与使用BP神经网络和RBF神经网络的基金价格预测方法相比较,PSO算法优化的RBF神经网络能够准确地预测基金价格的变化趋势,具有较高的预测精度,对于用户选择基金有着非常重要的意义。     

约束平面选址问题的蜂群优化算法

蜂群算法具有邻域搜索和随机搜索的性质,鲁棒性强,收敛速度快,在求解函数优化和组合优化问题上,获得了较好结果.对带有区域限制的平面选址问题,该算法运用人工蜂群优化思想,给出了一种新的求解方法.实验结果表明,通过调整算法参数,得到了较好结果,验证了算法的可行性和有效性.     

回声状态网络在变风量空调内模控制中的应用

回声状态网络储备池完全随机生成,数据预测时其参数的设置缺乏合理性,因此将果蝇优化算法应用于回声状态网络储备池参数的优化中,通过果蝇优化算法的自适应参数寻优提高回声状态网络的数据预测能力。变风量空调系统是一个多变量、强耦合和非线性的系统,为了实现变风量空调系统的智能控制,从而优化生产工艺,构建了基于果蝇优化的回声状态网络内模控制系统的正模型和逆模型。仿真实验结果表明:所提出的内模控制系统具有良好的跟踪性和抗干扰性。     

双苯并咪唑氮杂多齿配体的阳离子识别性能

以二乙醇胺为起始物,合成了含两个苯并咪唑功能基的氮杂多齿仿生配体1,经IR、1HNMR和MS谱确证其结构.采用荧光光谱法测定了该仿生配体与13种金属离子的络合选择性.研究结果表明:仿生配体1对Cu2+、Fe3+、Na+、Zn2+均具有较高的选择性和荧光效应.     

一种改进的串匹配参数编码算法及在Alpha图像中的应用

在LZ4HC算法基础上,结合Alpha图像特征提出了一种分类字节型多变长码的串匹配编码算法.该算法主要在以下几方面对LZ4HC算法进行了改进:(1)对串匹配编码参数采用两类字节型多变长码进行联合优化编码;(2)对串匹配偏移量参数进行多分段映射编码;(3)对串匹配长度参数进行分段编码.