遗传算法在数据挖掘中的应用

遗传算法以其收敛速度快、时间短的特点,在科学研究中有着广泛的应用前景,重点介绍了遗传算法,并将其与数据挖掘技术相结合。最后,利用以上的结合方案,运用到一个实例中去。     

论个人基因信息的法律地位及其保护

随着生物技术研究的迅猛发展,生命科学进入了“后基因组时代”,个人基因信息保护成为一项崭新课题摆在人们面前。基因信息具有人身可分离性、可复制性、与人身的密切相关性、遗传性和财产利益性的特点,因此,不应套用传统的权利模式,而应设立一项独立的权利——基因信息权,对个人基因信息进行保护。基因信息权包括基因信息控制权、基因信息知情权和基因信息支配权。我国在加强国内立法的同时还应加强国际合作,保护个人基因信息权。     

A review of statistical methods in imaging genetics

With the rapid growth of modern technology, many biomedical studies are being conducted to collect massive datasets with volumes of multi‐modality imaging, genetic, neurocognitive and clinical information from increasingly large cohorts. Simultaneously extracting and integrating rich and diverse heterogeneous information in neuroimaging and/or genomics from these big datasets could transform our understanding of how genetic variants impact brain structure and function, cognitive function and brain‐related disease risk across the lifespan. Such understanding is critical for diagnosis, prevention and treatment of numerous complex brain‐related disorders (e.g., schizophrenia and Alzheimer's disease). However, the development of analytical methods for the joint analysis of both high‐dimensional imaging phenotypes and high‐dimensional genetic data, a big data squared (BD²) problem, presents major computational and theoretical challenges for existing analytical methods. Besides the high‐dimensional nature of BD², various neuroimaging measures often exhibit strong spatial smoothness and dependence and genetic markers may have a natural dependence structure arising from linkage disequilibrium. We review some recent developments of various statistical techniques for imaging genetics, including massive univariate and voxel‐wise approaches, reduced rank regression, mixture models and group sparse multi‐task regression. By doing so, we hope that this review may encourage others in the statistical community to enter into this new and exciting field of research. The Canadian Journal of Statistics 47: 108–131; 2019 © 2019 Statistical Society of Canada     

国家血液战略储备库选址——库存问题

建立血液战略储备库是应对大规模突发事件应急血液保障问题的重要途径之一.为提高应急血液保障能力,以灾后应急血液保障时效性最高及日常条件下血液战略储备库运营总成本最低为目标,基于非线性混合整数规划方法建立了一个考虑多情景、多阶段、多血型、随机需求、库存补充提前期、容量限制及协同定位等因素的血液战略储备库多目标选址—库存问题优化模型.根据该模型的性质,设计了一种基于小生境技术的多目标非支配排序遗传算法进行求解.算例分析结果表明,该算法能够有效获得Pareto前沿,产生一簇Pareto解,因而决策者可根据偏好与实际需要权衡应急血液保障成本与时效性,选择合适的血液战略储备库选址—库存决策方案.     

人体基因检测衍生的法律问题:梳理与展望

基因检测技术在增进人类健康福祉的同时也带来了严峻的挑战,衍生出一系列法律问题,焦点在于技术应用与人性尊严的冲突与平衡。利用胚胎植入前基因诊断技术"设计婴儿",其合法性值得质疑。在基因检测中应关注对人格权的保护,贯彻知情同意与自决原则。对于基因利用产生的财产性收益,基因样本提供者应享有利益分享权。对新兴的基因检测服务产业须加强法律管制,以保护消费者权益。基因检测引发的赔偿纠纷日益增多,其责任构成、赔偿范围的法律规则有待明确统一。     

甲基四氢叶酸还原酶基因与阿尔茨海默病的关联研究

目的探索中国人群中甲基四氢叶酸还原酶(MTHFR)基因C667T多态性与晚发性阿尔茨海默(LOAD)的相关性,及其与ApoE4共同对LOAD发病风险的影响。方法应用聚合酶链反应-限制性片长度多态性(PCR-RFLP)方法,对112例散发性LOAD患者(年龄≥65岁)和131例健康对照人群中观察MTHFR基因和载脂蛋白(ApoE)基因多态性分布,然后进行Odd Ratio分析和率值的显著性检测。结果1.MTHFR基因的三种基因型和2个等位基因频率在case-control两组间比较有显著性差异(P<0·05);携带MTHFR基因T/T基因型比不携带T/T基因型患LOAD的风险高近6倍(OR=5·73,95%CI1·85-17·72)。而MTHFR基因的T等位基因频率在LOAD组和对照组的分布也具有显著性差异(OR=1·89,95%CI1·25-2·86,P=0·002)。2.证明ApoE基因4等位基因和ApoE4携带者与LOAD在统计学上均有显著性关联(P<0·01);3.按ApoE4分层后,发现MTHFR基因C677T/T基因型不是一个独立的LOAD风险因子,其与LOAD相关性依赖于ApoE4。ApoE4与MTHFR T交互后患LOAD的风险为Odd Ratio=8·48(95%CI:2·43-29·60)。结论MTHFR基因T多态性与汉族人LOAD相关。     

遗传算法中交叉操作的两种改进方法

通过分析交叉算子，提出了分别与模拟退火算法以及神经网络相结合的改进型遗传算法，改进型遗传算法的收敛性能远远优于标准遗传算法。     

基于遗传神经网络的工业股票指数预测

结合遗传算法与倒传递神经网络进行工业股票指数预测 ,使用 5个输入变量 :周成交额增减幅、周振荡幅度、周涨跌幅、5日EMA波动、DIF波动值 ,并将下周涨跌幅设为输出目标进行训练 ,以取得较理想的预测结果。对于传统上选择适合的神经网络拓扑结构效率较低的问题 ,本文对于遗传算法的引入大大提高了搜索到最优结构的速度。     

概率准则下组合投资的整数规划模型

考虑到中国目前证券市场要求股票交易为整手(100股)交易和不允许买空卖空的实际情况,提出了概率准则下投资组合的整数规划模型;设计出了基于遗传算法的随机模拟求解方法,并用Matlab编程在计算机上实现,仿真算例验证了求解方法的可行性和有效性。