奶牛产奶性状与乳房炎相关基因CpG含量及分布特征的比较分析

DNA甲基化是表观遗传学的重要组成部分,基因启动子区及第一外显子区的CpG甲基化通常抑制该基因的表达,而去甲基化则促进基因表达。已有的研究发现荷斯坦牛的乳房炎指标SCC(Somatic cell count)与产奶量呈较强负相关。文章分析并比较了这两类性状的相关基因的启动子区、第一外显子、下游2 000 bp序列中CpG含量及分布特征。结果表明,乳房炎相关基因的启动子、第一外显子中CpG含量显著低于产奶性状相关基因,而两类性状基因下游2 000 bp序列中CpG含量无显著性差异。另外,文中提出了两个量化基因序列中CpG特征的指标,一个是CpG平均距离,用来衡量序列中的CpG分布;另一个是条件概率p(G|C),用以量化序列中二核苷酸CpG随碱基C出现的可能性,并对两类基因的启动子和第一外显子区域的这两个指标做了统计检验。研究结果对产奶性状与乳房炎相关基因的DNA甲基化调控研究奠定了基础。

基于复杂结构信息的图神经网络序列推荐算法

图结构因其在序列推荐场景中的自然适应性而备受关注,而现有的基于图神经网络的会话序列推荐算法虽然能够利用图结构信息达到较好的推荐效果,但是没有考虑用户在会话序列中的重复点击行为和项目之间的复杂转换,且未很好地利用图中复杂的结构信息,导致推荐的效果受到一定程度的限制。提出有向与无向信息同注意力相融合的图神经网络序列推荐算法,并基于推荐算法给出项目隐含向量建模算法,结合会话序列图中的有向结构信息与无向结构信息,通过考虑用户的重复点击行为和引入注意力机制建立会话中点击项目的复杂转换模型。图节点在特征传播的过程中平衡邻居节点信息与自身信息的比例,以更准确地预测推荐过程中生成的会话向量。在Diginetica、Yoochoose 1/64、Yoochoose 1/43个数据集上的实验结果表明,与SR-GNN、TAGNN算法相比,该算法精度最高提升4.34%,能够更好地预测用户在会话中的下一次点击精度。