基于肽序列标签的蛋白质翻译后修饰中的过滤算法

大量的质谱数据无法被鉴定或是鉴定的精度不够高,特别是在肽段数据库较大时,普通的算法精度下降很快。提出一种新的盲搜索算法,此算法基于一种全新的基于相似关系度量的打分模型。为了处理大规模问题,同时还应用了基于母离子质量和肽序列标签的前过滤方法,使得此算法在较大规模的数据库上精度得到很好的保证。实验结果表明,对于规模为10000, 20000, 50000的肽段数据库,其鉴定准确率分别为78.3%,74.2%,65.5%。随着数据库规模的增大,算法的鉴定准确率保持得较好。     

串联质谱的蛋白质序列鉴定技术综述

蛋白质组学的主要目的是鉴定出生物体内的蛋白质的种类和数量。为达到这个目的,人们开发了多种蛋白质鉴定算法,包括数据库搜索方法、De Novo方法、PST(肽段序列标签)方法和质谱数据库方法。首先介绍了质谱仪中肽段断裂机理的研究,以及相关的质谱鉴定方法,然后综述了当前常用的蛋白质鉴定方法,分析了这些方法的优缺点,最后提出了自己的见解和展望。     

基于CUDA的蛋白质翻译后修饰鉴定MS-Alignment算法加速研究*

对MS-Alignment算法进行分析得出该算法很难满足大规模数据对鉴定速度的要求,而且具有的一个特点是相同的任务在不同的数据上重复计算,为数据划分提供了基础。基于CUDA编程模型使用图形处理器(GPU)对步骤数据库检索及候选肽段生成进行加速优化,设计了该步骤在单GPU上的实现方法。测试结果表明,此方法平均加速比为30倍以上,效果良好,可以满足蛋白质翻译后修饰鉴定中大规模数据快速计算的需求。     

pepReap:基于支持向量机的肽鉴定算法

利用生物质谱技术进行肽蛋白质鉴定是蛋白质组学研究中的关键问题.提出了一种基于支持向量机(SVM)的肽鉴定算法pepReap.算法由粗细两层打分体系构成,粗打分利用匹配谱峰总强度和数目及肽长度等信息得到候选肽序列的列表,细打分通过SVM算法综合利用多项匹配指标如离子相关性、离子匹配误差、肽序列信息等对粗打分结果进行评价,得到更为可靠的肽鉴定结果.在SVM的参数选择过程中,采用马修斯相关系数来评价分类性能以适应不平衡数据集的情况.在公开发表的数据集上的实验表明,该算法与采用阈值评价方法的流行商业软件SEQUEST相比,在鉴定精度相当的情况下可以获得更高的鉴定灵敏度.     

基于小波变换的QT检测

提出-种新算法进行QT间期的自动分析方法对ECG信号进行小波变换,根据模极大值对的形态进行T波识别.结果,经MIT-BIH数据库检验,QRS波识别率达到了99.52%.经QT数据库检验,T波正确识别率达到了87.69%,与心电专家手工标注相比,误差为0.33 ms±10.59 ms.     

基于多头注意力机制和残差神经网络的肽谱匹配打分算法

肽谱匹配打分算法在肽序列鉴定的过程中起着关键性作用，而传统的打分算法无法充分有效地利用肽碎裂规律进行打分。针对这一问题提出了一种结合肽序列信息表征的多分类概率和式打分算法deepScore-α，该算法不需要考虑全局信息进行二次打分，不存在理论质谱与实验质谱相似度计算方法的限制。deepScore-α使用一维残差网络对序列底层信息进行抽取，再通过多头注意力机制融合序列不同肽键位点对当前肽键位点断裂产生的影响从而生成最终的碎片离子相对强度分布概率矩阵，结合肽序列碎片离子的实际相对强度计算出最终的肽谱匹配得分。该算法与常用开源鉴定工具Comet以及MSGF+进行了比较：在人类蛋白组数据集上错误发现率（FDR）为0.01时,deepScore-α保留的肽序列数量提升了约14%，Top1命中率(正确肽序列在得分最高的谱图所占比例)最大提升约5个百分点。使用人类蛋白组数据集训练的模型在ProteomeTools2数据集上进行泛化性能测试，结果表明，在FDR为0.01的条件下deepScore-α保留的肽序列数量提升了约7%，Top1命中率提升了约5个百分点，Top1中来自Decoy库的鉴定结果减少约60%。实验结果证明，deepScore-α在较低FDR值情况下保留更多的肽序列并提升Top1的命中率，且具有较好的泛化性能。     

用于T细胞表位预测的分类器集成方法*

T细胞表位预测技术对于减少实验合成重叠肽,理解T细胞介导的免疫特异性和研制亚单位多肽及基因疫苗均有重要意义.为弥补已有基于机器学习方法的T细胞表位预测模型的可理解性的不足并进一步提高模型的预测精度,首先通过肽的预处理构建出了存储等长肽段的决策表,而后提出了基于粗糙集的分类器集成算法.该算法不但综合利用了基于信息熵的属性约简完备算法和其他属性约简算法的优势,而且将T细胞表位预测领域中的锚点知识融入到了属性值约简过程中.最后利用该算法来预测MHC Ⅱ类分子HLA-DR4(B1·0401)的结合肽,首次提取出了预测精度高且能帮助专家理解MHC分子与抗原肽的结合机理的产生式规则,为下一步的分子建模工作奠定了基础.     

通道选择对诱发脑电单次提取精度影响的研究

采用“模拟自然阅读”诱发电位作为人脑和计算机之间的通信载体,用支持向量机从脑电中提取诱发电位。以被试4个通道记录到的脑电信号分别作为特征,信号时程固定为300ms,时段分别取100ms~400ms、200ms~500ms和300ms~600ms。三个被试的单通道最佳分类结果分别达到95.9%（被试M,通道Cz,300ms~600ms时段）,94.3%（被试H,通道Oz,100ms~400ms时段）和93.8%（被试T,通道Oz,200ms~500ms时段）。这一结果为简化脑—机接口设计打下了良好的基础。     

活性肽搜寻与蛋白模拟水解数据库的建立

利用Microsoft Office XP中的Access XP数据库软件建立3个数据库系统,蛋白质数据库包含小麦面筋、大米、玉米等常见食物蛋白质序列23739条,活性肽数据库包含ACE抑制肽、免疫肽、阿片肽等生物活性肽序列1396条,以及常见的蛋白质水解酶信息。数据库与编制的“生物活性肽搜寻与酶解模拟系统”程序配合,实现单条、多条活性肽序列在蛋白质中批量搜寻,并找出活性肽含量的链长百分比,活性肽在蛋白质中的位置和前后氨基酸的种类,实现肽的活性不完全归纳预测活性,实现蛋白质用单酶或者复酶的模拟水解并标出水解产物中活性肽及其功能。     

心电信号ST段形态识别算法

针对目前心电图ST段诊断准确度不高,容易受到噪声干扰的情况,提出了一种基于最小二乘多项式拟合的ST段形态识别算法。首先利用二次样条小波经过Mallat算法检测出心电信号中的QRS波群,然后检测出T波、QRS波群起点、J点、T波起点等特征点,依此判断ST段偏移方向,并将ST段分为直线型和曲线形,最后通过多项式拟合算法来确定直线型ST段的斜率和曲线型ST段的凹凸方向。通过MIT-BIH心电数据库的数据文件的仿真实验验证了该算法用于ST段形态识别的准确度在90%以上,实验表明,该算法减少了ST段特征点检测过程中噪声的干扰,提高了ST段形态识别的准确度。     

基于聚类的快速Wi-Fi定位算法

Wi-Fi定位中用户移动终端计算能力差,提供的能量有限。为此,提出一种基于信号强度聚类的快速定位算法,依据接收信号强度的相似度对参考点分组再定位,从而减少定位计算量,提高Wi-Fi定位精度。在校园和市内2种不同室外环境下进行现场实验,数据显示定位均方根误差从16.71 m减小到9.68 m,定位时间从96.3 ms减小到5.2 ms,验证了该算法的高效性和有效性。     

Finsler度量在KNN算法中的应用研究

为了克服传统K近邻(Knearest neighbor,KNN)算法在距离定义上的不足,提出了一种基于Finsler度量的KNN算法(Finsler metric KNN,FMKNN)。该算法将样本点间的距离定义为Finsler度量,保留了样本属性对样本间距离度量的影响,使得样本点间的距离度量更具一般性。在手写体数据集上的实验表明,FMKNN算法的分类准确率高于传统KNN算法。     

基于ResNet网络的医用塑瓶制造缺陷检测方法

本文提出一种基于深度学习的识别方法用于医用塑瓶气泡、积料等生产缺陷的实时检测,设计工业现场的视觉检测硬件平台,细述积料与气泡检测算法的原理,简述算法检测前的图像预处理。在Pytorch框架下通过ResNet系列算法与MobilenetV2算法的正交实验对积料检测实时性能进行比较,同时优化RetinaNet网络在气泡上的检测性能。在生产现场中该方法关于积料的平均检测精度为99.7%,单幅图片检测时间为29.7 ms;气泡的Fβ指数为99.5%,单幅图片检测时间为35.5 ms,达到企业生产的要求。     

基于分治算法的ECC乘法器结构及实现

针对椭圆曲线密码体制中的有限域乘法运算,讨论基本的串行结构、并行结构以及串并混合结构乘法器的硬件实现及存在的缺陷,提出一种改进的乘法器结构。该结构利用分治算法,通过低位宽乘法运算级联,降低运算复杂度,减少所需的时钟数。FPGA实验结果证明新结构在相同频率下有更小的面积和时间乘积。GF（2^233）域上椭圆曲线点乘采用此结构一次计算仅需0．811ms,满足椭圆曲线密码体制的应用要求。     

一种基于优化算法的机械手运动学逆解

本文给出一种基于优化算法的机械手运动学逆解的方法,这种优化方法基于信赖域 方法,,具有超线性的收敛速率．这种方法不仅具有牛顿方法的快速收敛性,又具有理想的 总体收敛性．这种方法较CCD&BFS有明显的优点,可以在一般的PC机上实现实时求解. 在P I I400上仅需不到10ms就可以求得最优解．     

A novel 3D mesh compression using mesh segmentation with multiple principal plane analysis

This paper proposes a novel scheme for 3D model compression based on mesh segmentation using multiple principal plane analysis. This algorithm first performs a mesh segmentation scheme, based on fusion of the well-known k-means clustering and the proposed principal plane analysis to separate the input 3D mesh into a set of disjointed polygonal regions. The boundary indexing scheme for the whole object is created by assembling local regions. Finally, the current work proposes a triangle traversal scheme to encode the connectivity and geometry information simultaneously for every patch under the guidance of the boundary indexing scheme. Simulation results demonstrate that the proposed algorithm obtains good performance in terms of compression rate and reconstruction quality.     

Multi-objective sine-cosine algorithm (MO-SCA) for multi-objective engineering design problems

This paper proposes a novel and an effective multi-objective optimization algorithm named multi-objective sine-cosine algorithm (MO-SCA) which is based on the search technique of sine-cosine algorithm (SCA). MO-SCA employs the elitist non-dominated sorting and crowding distance approach for obtaining different non-domination levels and to preserve the diversity among the optimal set of solutions, respectively. The effectiveness of the method is measured by implementing it on multi-objective benchmark problems that have various characteristics of Pareto front such as convex, non-convex and discrete. This proposed algorithm is also checked for the multi-objective engineering design problems with distinctive features. Furthermore, we show the proposed algorithm effectively generates the Pareto front and is easy to implement and algorithmically simple.

     

在线图处理:面向信息网络的在线分析处理

对信息网络数据集进行面向主题、多维、多层次的在线分析处理(on-line analytical processing,OLAP)面临数据规模爆炸,问题复杂性剧增等技术难题,传统OLAP技术不再适用。提出了面向信息网络的在线图处理(on-line graphic processing,OLGP)模型,OLGP包含节点集合、边集合、信息维集合,每个节点包含拓扑维集合;设计并实现了OLGP模型的核心操作(信息维上卷、拓扑维上卷、异步上卷)算法。对含有17431位作者的12499篇ACM论文的真实合作者网络数据集进行了相关分析处理,结果表明,信息维上卷仅需要113ms,拓扑维上卷仅需要61ms。     

基于优化初始种群的自动组卷算法

针对遗传算法和改进遗传算法初始种群的不确定性,提出一种优化初始种群的遗传算法。该算法首先进行局部寻优,将局部较优解按题型的不同随机组合,组成遗传算法的初始种群,然后通过遗传交叉和单点变异得到一个较优解,最后将算法应用到《数据库系统》课程的自动组卷。结果表明,该方法有很好的组卷效率,能较好满足组卷的要求。     

基于空间纹理相似性的图像角点特征匹配算法

本文针对传统图像角点特征匹配算法的匹配速度慢且准确率低等问题,提出一种基于空间纹理相似性的图像角点特征匹配算法。首先,计算图像目标上角点对应的空间距离矩阵;然后,通过计算图像角点的空间距离矩阵在对应角点邻域LBP特征向量上的瑞利商,将角点在图像灰度特征空间内的度量问题转换为纹理特征空间内幅值的度量问题;最后,根据角点对应的瑞利商的大小,实现不同图像间的角点特征匹配。对不同条件下采集的图像进行角点特征匹配,得到的匹配结果表明本文算法不仅能够很好的适应图像光照、几何变化,得到的匹配正确率较高,同时与传统算法相比本文算法在运行时间上也有大幅度的降低,当处理特征数量较小时平均降低48ms,而匹配特征数量较多时能够降低2408ms。