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。     

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。     

基于优化的GBM算法识别金属离子配体结合残基

金属离子配体具有体积小、灵活等特点,与蛋白质结合有着不同于其它配体的特殊性,因此准确的识别金属离子配体结合位点具有极强的挑战性.本文基于蛋白质的一级序列信息,选取了氨基酸及其物化特征、预测的二级结构信息为基础参数,利用离散增量算法和位置权重矩阵打分算法将这些高维特征投影至20维的向量空间并作为预测特征参数输入优化的GBM算法中,对10种金属离子配体结合残基进行了5交叉检验预测,得到了好于前人的预测结果.结果发现:每种金属离子配体偏好的优化参数不同,优化的GBM算法能给出最佳的预测结果.     

香蕉假茎营养成分的分析

目的 :分析香蕉假茎的主要营养成分 ,以探讨香蕉假茎的开发利用价值 .方法 :取三种香蕉假茎的老茎与嫩茎部分进行水分、蛋白质、脂肪、碳水化合物、灰分和无机元素含量测定 .结果 :碳水化合物是构成香蕉假茎干物质的最主要成分 ,占香蕉假茎的 4 .50 %～7.6 1 % ,其中粗纤维占 3.2 0 %～ 4 .4 0 % ;香蕉假茎中无机元素含量丰富 ,尤其是K、Ca、Mg、P和S元素含量较高 .结论 :香蕉假茎含有丰富的蛋白质、碳水化合物和无机元素等营养物质 ,具有较高的开发价值     

蛋白质结构与功能中的位点氨基酸

结合和催化是蛋白质重要的生物化学功能,蛋白质结构特异性识别其他分子是其功能的关键。结合位点和催化位点氨基酸是蛋白质行使功能关键位置上的结构体现。在复杂的蛋白质结构和功能研究中,位点氨基酸的组成、使用率等对挖掘分子结构功能关系具有重要作用。位点氨基酸层次的研究将会促进蛋白质与配体相互关系、蛋白质折叠机制和蛋白质设计的研究。     

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。     

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。     

FCO分子的光谱常数和非谐振力场研究

应用B3LYP,B3PW91和CCSD(T)方法结合cc-p VDZ和cc-p VTZ基组计算了FCO分子的光谱常数和非谐振力场.结果表明:用CCSD(T)方法计算的平衡几何结构、转动常数、基频、谐频和离心畸变常数与实验数据或以前的理论值吻合得很好.此外,本文对尚未进行实验观测的非谐振常数、振转相互作用常数、各阶力常数和科里奥利耦合常数进行了理论预测.     

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.     

蛋白质-小分子相互作用的研究方法

蛋白质是生物体的重要组成部分和生命活动的物质基础,几乎参与了所有的生命活动,如生物体内的代谢、催化作用等过程大都涉及蛋白质与小分子的相互作用。从分子水平上研究蛋白质与小分子物质相互作用,既有利于研究小分子物质的作用机理,也利于得到稳定性质的蛋白质及其复合物。在此简述紫外-可见吸收光谱法、荧光光谱法、等温滴定量热法、表面等离子共振和生物分子相互作用分析技术、石英晶体微平衡技术等方法。     

基于支持向量机的中长期电力负荷预测研究与应用

采用一种新的机器学习方法——支持向量机,建立了中长期电力负荷预测模型.阐述了支持向量机的基本内容,对影响电力负荷诸多因素的样本集进行了标准化处理和主因素分析(PCA).采用Libsvm训练了数据集,并与灰色预测GM(1,1)模型、多元线性回归模型、模糊ISODATA聚类模型和BP神经网络进行对比.结果表明,此算法有更高的准确性,可为电力负荷预测提供有效依据.     

铕与胰蛋白酶、胃蛋白酶和血红蛋白之间的相互作用

稀土的摄入量直接影响着肌体的免疫力,因此研究稀土离子与蛋白质之间的相互作用是一个重要的研究方向。本文采用电化学方法、紫外-可见吸收光谱法以及荧光光谱法研究了在人体生理环境下Eu3+与胰蛋白酶、胃蛋白酶、血红蛋白之间的相互作用。实验结果表明:Eu3+的可逆氧化还原峰电流随着三种蛋白质的加入量增加而降低,Eu3+与三种蛋白质相结合并形成了复合物。紫外可见吸收光谱的结果显示Eu3+稀土离子的引入改变了三种蛋白质的构象。荧光光谱表明,当使用278nm和295nm波长的光激发均出现了Trp残基的荧光发射峰,三种蛋白质的荧光强度随着Eu3+稀土离子浓度的增加而降低,说明Eu3+稀土离子使Trp残基的荧光部分发生猝灭。     

基于RVM的网络流量分类研究

将相关向量机(RVM)分类模型应用于网络流量分类问题中。首先对实验数据进行了标准化处理,然后将RVM与其他机器学习算法进行了性能比较,最后在RVM分类结果预测概率中引入置疑区间概念,研究了置疑区间范围及其对分类准确性的影响,并基于此提出了一种新的混合流量分类方法。实验结果表明:1)RVM在准确性等3方面性能指标上优于SVM,且在小样本情况下仍具有较高的分类准确率;2)置疑区间[0.1,0.9]内的分类预测准确率较低,而置疑区间之外的分类预测准确率在98%以上。     

生成对抗网络的银行不平衡客户流失预测研究

对于常用机器学习分类算法在不均衡数据上分类性能较差的问题,提出了一种基于生成对抗网络(GAN)的不平衡数据分类策略。所提出的策略首先利用生成对抗网络通过训练生成少数类样本,改善样本不均衡问题。使用机器学习分类器对改善后的数据集进行分类,提升该模型的分类性能。实验使用了商业银行客户数据集,采用Precision、F-mean等作为度量指标,并与SMOTE等传统数据不均衡处理方法进行对比。实验结果表明:对于不平衡数据集的二分类问题,提出的GAN模型在银行客户流失分类问题中具有可行性和适应性。最终取得了良好的度量效果,有很强的适用性及应用价值。     

GeH2分子振转光谱常数的从头算研究

用B3LYP,B3PW91和MP2方法分别在cc-pVTZ和cc-pVQZ基组水平下计算了GeH2分子的光谱常数,将计算得到的平衡几何结构、基态转动常数、基频和谐频、部分四次离心畸变常数和振转相互作用常数与相应的实验数据或理论值进行了比较,并对其它的四次离心畸变常数、六次离心畸变常数、平衡转动常数及非谐性常数进行了预测.结果显示,由密度泛函理论计算的数据与实验值吻合得很好,因此,用密度泛函理论预测GeH2分子的光谱常数是可靠的.     

共享电动汽车使用意愿的关键影响因素研究

为了识别出共享电动汽车使用意愿的关键影响因素,通过文献梳理总结了绩效期望、努力期望、社会影响、便利条件、价格价值、习惯、环保意识、政府政策、感知风险九个潜变量,运用因子分析和Lasso回归以及机器学习中特征提取的方法对527份调查问卷进行了分析。结果表明:综合传统量化研究的变量显著性、Lasso回归的正则化方法和机器学习模型的特征重要性度量,可以发现共享电动汽车的关键影响因素依次为环保意识、社会影响、价格价值、绩效期望和政府政策。研究结论对于新常态下如何推动我国电动汽车发展战略有重要的指导意义,同时将传统统计回归方法和机器学习的特征提取相结合的研究方法,也提供了用多方法相互验证来应对统计显著性的假阳性等问题的新思路。     

基于概率模糊逻辑的蛋白质信号网络推断方法

提出了一种基于概率模糊逻辑来推断蛋白质信号网络的建模方法,能够同时处理蛋白质信号网络中的随机性和模糊性.采用概率模糊规则建立蛋白质之间的因果关系参数模型,并利用模糊后件分布函数族的差异程度来度量因果关系的强度,进而推断蛋白质之间的因果关系.在模拟数据和人体T细胞实验数据集上的测试结果表明,该方法为蛋白质信号网络建模提供了一种有效的方法.     

新常态经济的CPI预测模型——构建与实证比较

本文基于新常态经济发展背景研究了居民消费价格指数(CPI)的预测模型,采用传统的方法和机器学习方法进行预测和对比分析,包括普通最小二乘回归、LASSO回归、岭回归、时间序列预测方法、神经网络、随机森林和支持向量回归。结果表明,神经网络的预测结果明显优于传统的回归方法和时间序列预测方法,而且也同样优于支持向量回归方法和随机森林方法。此外,在引入集成学习方法进行综合后,各模型的预测精度进一步提升。