基于Edlib的启发式生物序列聚类算法

目的提出一种基于Edlib的启发式序列聚类算法:EdClust,以降低目前启发式序列聚类算法普遍存在的聚类数量过估计和聚类种子序列质量低的问题。方法EdClust首先读取第一条序列并作为第一个聚类单元的种子;然后读取下一条序列,通过Edlib计算序列与种子序列的相似性,如果相似性大于给定阈值,则对其进行聚类,否则,创建一个新的聚类单元并作为其种子序列;重复以上步骤,直到所有序列完成聚类。结果2组实验测试表明,EdClust在聚类数量和种子序列质量上均取得较好效果。结论EdClust采用Edlib进行序列比对,可以快速得到待比对序列与种子序列间的相似性,提高了聚类种子质量,降低了聚类数量过估计。

DNA双序列全局比对Needleman-Wunsch算法教学设计

文章针对大多数学生学习DNA双序列全局比对算法所面临的困惑,采用循序渐进,由浅入深,理论难点分析,Python代码实现,代码解析,拓展练习的思路对双序列全局比对Needleman-Wunsch算法过程进行详细讲解。首先对比对与回溯过程进行详细建模,将比对过程分解为得分矩阵构建和路径回溯两部分,然后提供了相应的Python代码实现及运行实例,进一步理解比对建模过程,并详细分析了代码难点。最后通过两个提升练习题,加强训练学生解决相关新问题的能力。

基于k-mer词频向量的九种DNA序列相似性计算方法比较分析

序列相似性计算是生物序列分析的前提和基础,传统的序列相似性分析方法需要借助双序列比对,如Needleman-Wunsch(NW)序列比对算法。面对海量序列数据,基于序列比对的相似性计算方法具有较高的时间复杂度。为快速得到序列间相似性,可以通过提取序列k-mer信息,利用序列k-mer词频向量进行计算。本文从序列k-mer词频向量提取及基于k-mer词频向量的九种相似性计算方法进行了详细介绍,并用两种数据集进行了比较分析。实验结果表明,基于k-mer词频相似性计算方法比标准NW算法速度至少快103倍,但不同的k-mer词频计算方法得到的相似性与标准NW算法差别较大,相对而言,欧式距离在两个数据集的相似性结果与NW方法更接近,在计算大规模序列相似性时,可以作为优先选择的方法。

微生物操作分类单元划分算法研究

目的针对大规模16S rRNA基因序列聚类问题,对目前一些常见的OTUs划分算法,从不同数据集及多种评价指标方面进行比较研究。方法在模拟数据集与真实数据集上,对现有12种经典OTUs划分算法进行了定量对比研究,并分析了这些算法的优缺点及使用范围。结果对于同一个方法,不同数据集对聚类结果有影响。结论相同的序列相似性阈值下,不同的聚类算法聚类结果差异较大,只有少数方法(如CD-HIT,USEARCH,VSEARCH和DBH)可以处理大数据及长序列数据。

基于Res-Net深度特征的SAR图像目标识别方法

采用Res-Net学习合成孔径雷达(Synthetic Aperture Radar,SAR)图像多层次深度特征,并基于结构相似性准则选取其中的有效成分。通过联合稀疏表示对选取的多层次深度特征进行表征和分析,判定输入样本的目标类别。利用MSTAR数据集进行测试,该方法对10类目标的识别率达到99.02%,对于俯仰角差异以及噪声干扰的稳健性更优。该方法能够有效结合Res-Net和联合稀疏表示在特征提取和分类决策方面的优势,提升识别方法的整体性能。

基于Matlab的选择排序算法教学设计

针对非计算机工科专业学生排序算法学习和编程实现所面临的困惑,采用循序渐进、由浅入深、难点分析、拓展练习的思路对选择排序方法进行了详细讲解,将选择排序过程分解为在数组中寻找最值和数据交换两个简单步骤,然后提供了选择排序算法的Matlab语言实现,并针对代码难点进行详细分析,最后增加两个练习题,提高学生根据项目需求编写程序的能力。

Matlab课程中绘图功能趣味教学设计——以绘制“冰墩墩”为例

在Matlab基本绘图方法教学中,很多教师可能会根据教科书内容采用按部就班的策略演示绘图相关命令及绘图结果,教学模式主要为“单向输入式”,而非“双向互动式”,师生之间缺少交流互动,学生处于被动的学习接受地位,缺少积极主动性。为提高学生学习兴趣,结合当前冬奥会吉祥物“冰墩墩”二维平面图,通过查找相关资料,发现冰墩墩二维平面图主要是由多个椭圆、圆形、圆角矩阵以及不同线条颜色组合填充而成,为此,可在学习Matlab绘图功能时通过分步绘制冰墩墩二维图完成课堂教学。以绘制冰墩墩为切入点,使学习形式变得生动有趣,迅速激发学生们的学习兴趣,提高学生学习主动性。

共有基因模块构建大规模基因调控网络

目的提出一种利用共有基因模块构建大规模基因调控网络算法(Common Gene Modules Network,CGMN),有效降低传统基因调控网络构建基因节点规模较大的基因调控网络(包含几百个,甚至几千个基因节点)时时间复杂度过大的缺陷。方法CGMN算法从基因表达数据出发,采用6种常用聚类算法把基因表达模式相似的基因聚类成功能模块,找出6种聚类方法的共有模块,并将其作为功能模块基因节点,采用局部贝叶斯网络(Local Bayesian Network,LBN)算法构建功能模块基因-基因调控网络。结果与结论大规模细胞周期基因表达数据集上仿真实验结果表明,搜索共有模块压缩基因节点数目策略,能够有效降低大规模基因调控网络重构时间复杂度,且验证了CGMN算法构建大规模基因调控网络的有效性。

常见排序算法多线程实现与比较

目的 对目前常用排序算法进行多线程实现,并运用不同类型数据集进行比较研究,以充分利用现代计算机多核处理器优势,有效提高大规模数据排序操作。方法 首先简要介绍目前常用的11种排序算法的基本原理,然后基于Go语言采用多线程模式进行代码实现,最后用3种不同类型测试数据进行详细比较,分析这些排序算法的优缺点及适用范围。结果 对于同一个排序方法,多线程可以明显提高排序效率,但相同规模数据条件下,不同的数据类型影响排序效率。结论 多线程排序能够充分利用计算机多核资源,提高排序效率。对于大规模数据,多数排序方法都可以快速得到排序结果。

红外热成像测温仪原理及其在疫情防控期间的应用

红外热成像技术,即通过检测物体表面的红外辐射,采用二维图像成像的方式直观反映物体表面温度的分布情况,可远距离实现对物体的非接触式测温,具有快速、方便、可靠、准确及数据可实时互传等优势。目前,在新冠肺炎疫情常态化防控期间,新冠肺炎疑似病例的首要筛查依据是人体体温检测,因此,在人流量较多的场所,快速有效的体温检测仍然是新冠肺炎疫情防控的第一道防线。文章从热成像基本原理出发,介绍热成像技术的原理与应用,并结合当前新冠肺炎疫情,介绍热成像测温仪在人员流动较大场所的相关应用。

多线程排序算法教学设计——以插入排序为例

排序是计算机数据处理中的基本操作,对排序算法进行多线程实现,可以利用计算机多核处理器资源,显著提高排序效率。在排序算法多线程教学时往往遇到这样一个困境:学生过去接触的程序都是顺序执行的单任务,对理解和编写多任务执行的程序有一定难度。多线程技术是现代计算机中的重要部分,文章通过化整为零和逐层递进的教学方式,让学生初步理解多线程代码的实现方式,结合经典排序算法,设计并实现多线程排序过程,从而完成多线程排序的教学。

基于熵聚类和双重筛选策略挖掘动脉粥样硬化风险疾病基因(英文)

动脉粥样硬化是因脂质堆积在血管壁上并受到多种遗传和环境因素影响的一种复杂的病理生理疾病。动脉粥样硬化风险疾病基因的辨识可以增进对该疾病机理的了解,并对该疾病的诊断和治疗起到指导性作用。虽然在风险疾病基因的辨识方面已经提出了很多计算方法,但仍存在着推论准确性和计算效率方面的问题。一种命名为基于熵聚类和双重筛选(Entropy-based clustering and double screening,ECDS)的新方法被用来辨识该疾病的风险疾病基因。该方法将功能基因组信息和蛋白质相互作用网络拓扑结构信息进行整合,运用于基于熵聚类的方法中,之后,使用双重筛选策略(即支持向量机和相似性得分)进行风险疾病基因挖掘。运用该方法,从巨噬细胞样本和泡沫细胞样本中分别辨识出79个和113个风险疾病基因。该结果表明ECDS在辨识动脉粥样硬化风险疾病基因方面非常有效。此外,该方法也很易于扩展应用到其它复杂疾病的风险基因辨识中。