山核桃茶藨子葡萄座腔菌全基因组的分泌蛋白预测和功能分析

茶藨子葡萄座腔菌Botryosphaeria dothidea是一种世界性分布真菌,能引起山核桃干腐病,导致严重经济损失。为研究该病害的致病机理及筛选致病基因,通过各类预测与分析工具,对13130条蛋白序列的山核桃Carya cathayensis茶藨子葡萄座腔菌BDLA16-7全基因组进行了分泌蛋白预测及其功能分析。结果表明,在BDLA16-7全基因组的编码蛋白序列中,有898条蛋白序列符合典型分泌蛋白的特征,占总蛋白数的6.84%;分泌蛋白组的氨基酸组成呈现以下特征:非极性、疏水性氨基酸的含量明显高于极性、亲水性氨基酸,分别占43.6%和27.7%;蛋白质长度主要分布在100至600个氨基酸之间;分泌蛋白序列中通常以19个氨基酸构成信号肽,丙氨酸(A)是最常见的非极性氨基酸,而带电侧链的天冬氨酸(D)和谷氨酸(E)的出现频率较低;信号肽的切割位点-3和-1位置上的氨基酸相对保守,典型的氨基酸组合为A-S-A,符合A-X-A型的特征。此外,分泌蛋白组中包含600个序列可以完整注释其功能,其中229个分泌蛋白主要涉及碳水化合物的运输和代谢。在BDLA16-7分泌蛋白组中,共存在271个潜在的效应蛋白,其中14个与其他病原菌致病相关的效应蛋白具有较高的相似性。此外,BDLA16-7分泌蛋白组中包含293个碳水化合物活性酶,以糖苷水解酶家族成员为最多。明确了茶藨子葡萄座腔菌BDLA16-7分泌蛋白的长度分布特征,功能分类、信号肽切割位点的氨基酸组成、切割位点的类型和CAZymes数目,以及CAZymes中纤维素酶、果胶酶、木聚糖酶的亚家族组成,并筛选到14个与致病性紧密联系的潜在效应蛋白。

宁南山区旱地紫花苜蓿土壤水分及产量动态研究

对宁南山区旱地紫花苜蓿土壤水分及产量动态进行了研究。结果表明，随苜蓿草龄的延长，土壤深层水分亏缺严重；草地底层与中层对表层水分具有明显的补偿作用；伏秋降水对冬前土壤蓄水亦有重要作用；产量随草龄延长呈中间高两头低的态势，６～８年以后草地须及时更新。

二阶隐马尔可夫模型及其在计算语言学中的应用

介绍了在观测噪声和马尔可夫链不相互独立的条件下改进的隐马尔可夫模型(HMM)的结构.在传统的隐马尔可夫模型的基础上研究了改进模型的Baum Welch算法,并导出了改进模型的参数估计公式.

层次模糊综合评价法在校园环境质量评价中的应用

将模糊数学方法与层次分析相结合,建立基于层次分析的多级模糊综合评价法,并将该方法应用于校园环境质量综合评价,结果表明:该方法较好地反映了环境质量分级界限的模糊性,较好地解决了权值分配问题,使评价结论更合理、可靠,是一种有价值的环境质量综合评价方法。

强化农业院校农学专业本科生实践能力培养的对策

强化农学专业本科生实践能力培养是当前高等农业院校的现实选择。结合高等农业院校农学专业本科生实践教学的现实,在分析其目标和内容的基础上,提出了在市场需求约束条件下,以就业型和科研型两类农学专业本科生培养为对象,从专业实践能力和通用实践能力培养两方面提出实践教学策略和相应的保障措施。

与观测信息相关的二阶隐马尔可夫模型的参数估计

给出了在观测噪声和马尔可夫链不相互独立的条件下与观测信息相关的二阶隐马尔可夫模型的结构及改进模型的前向后向算法与Baum-Welch算法,并导出了改进模型的参数估计公式.

对区间估计与假设检验的关系的思考

研究了区间估计与假设检验的内在联系及其区别,探讨了这两种方法各自适用范围和应用条件及应注意的问题.

多观测序列HMM2的Baum-Welch算法

介绍了在观测噪声和马尔可夫链不相互独立的条件下二阶隐马尔可夫模型(second- order HMM:HMM2)的结构.研究了在多观测序列不相互独立的情况下HMM2的学习算法,并由此导出了该模型的参数重估公式.

提升农林高校二级学院综合办公室业务绩效的对策选择——以西北农林科技大学农学院为例

农林院校二级学院综合办公室在落实校院两级各项工作中具有重要地位。从西北农林科技大学农学院综合办公室的实践出发,广泛借鉴现有研究成果,具体分析了其现存的问题,探讨了农林院校二级学院综合办公室的职能定位。最后,从重视制度建设、加强业务学习、强化服务意识和提高决策执行力等四方面提出了建议。

基于多相关系数分组HMM2的学习算法

目的为了得到一种基于多相关系数分组二阶隐马尔可夫模型(second-or-der HMM:HMM2)的学习算法。方法最大似然准则,Lagrange乘子法。结果给出了在观测噪声和马尔可夫链不相互独立条件下二阶隐马尔可夫模型(second-or-der HMM:HMM2)的结构,获得了在多观测序列不相互独立的情况下HMM2的Baum-Welech学习算法。结论为得到充足数据,以对所有参数可靠估计,必须使用多观测序列。所获算法避免了直接计算条件概率的困难,考虑了训练序列间的相关性,故使计算过程更为便捷,在观测序列分组均匀相关情况下非常有用。

与观测信息相关的MHMM的参数估计

隐马尔可夫模型(H idden M arkov Models:HMM)是一种具有很好学习能力的统计模型,已在许多领域特别在语音识别领域得到了成功的应用.本文介绍了任一时刻出现的观测矢量的概率不仅依赖于系统当前时刻所处的状态,而且依赖于系统前一时刻出现的观测矢量的前提下,多个不同的隐马尔可夫模型的组合———混合隐马尔可夫模型(M ixture ofHMM:MHMM)的结构,并根据Baum-W elch算法,导出了该模型各个参数估计公式.

改进的带驻留时间隐Markov模型的前向-后向算法

对隐Markov模型(hidden Maxkov model:HMM)的状态驻留时间的概率进行了修订,给出了改进的带驻留时间隐Markov模型的结构,并在传统的隐Maxkov模型(traditional hidden Markov model:THMM)的基础上讨论了新模型的前向-后向变量,导出了新模型的前向-后向算法的迭代公式,同时也给出了新模型各个参数的重估公式.

隐马尔可夫模型在生物信息学中的应用

隐马尔可夫模型 ( HMM)是一个能够通过可观测的数据很好地捕捉真实空间统计性质的随机模型 ,该模型已成功地运用于语音识别 ,目前 HMM已开始应用于生物信息学 ( bioinformatics) ,已在生物序列分析中得到了广泛的应用 .本文首先介绍了 HMM的基本结构 ,然后着重讨论了 HMM在 DNA序列的多重比对 。

农村高等教育自学考试网络体系建设初探

高等教育自学考试面向农村延伸是农村社会、经济发展的迫切要求,服务网络体系建设是实现高等教育自学考试向农村延伸的有效途径。探讨了高等教育自学考试向农村延伸的运作方式和有效途径,即建立以市、县、乡三级网站为硬件支撑,充分发挥宣传、管理、服务功能,教材资料(含电视教学片)与助学辅导体系相配套,强化实践环节教学与技能培养为主要内容的高等教育自学考试面向农村的服务网络体系。

对经典隐马尔可夫模型学习算法的改进

改进经典隐马尔可夫模型(HMM)的状态转移和输出观测值的假设条件,并在经典隐马尔可夫模型的基础上导出新模型的学习算法.新算法避免了经典隐马尔可夫模型中状态转移概率和输出观测值概率计算时只考虑当前状态而不考虑历史的简单做法.

HMM2小波变换的参数估计

在观测噪声和马尔可夫链不相互独立的条件下提出了一种新方法来解决通过小波变换后的二阶隐马尔可夫模型(second-order HMM:HMM2)中高斯混合模型的参数计算问题.这种方法可以不必根据变换后的数据对系统参数进行重新估计,只需利用变换后输出的小波系数直接计算即可,避免了保留所有训练数据的繁琐复杂计算过程.

隐马尔可夫模型在多序列比对中的应用

目前已获得了大量的生物序列和结构数据 ,传统研究生物序列的方法已面临挑战 ,生物学家已经转向能够处理大量数据的统计方法来研究。隐马尔可夫模型 (HMM )是一个能够通过可观察的数据很好地捕捉真实空间统计性质的随机模型 ,该模型用于生物序列分析是生物信息学 (Bioinformat ics)研究的新领域。序列的多重比对是生物序列分析研究中的一个重要方法。文章首先介绍了HMM的基本结构 ,然后着重讨论了HMM在DNA序列之间的多重比对中的应用。

带驻留时间隐马尔可夫模型学习算法的改进

对隐马尔可夫模型(hidden Markov model:HMM)的状态驻留时间的概率进行了修订,给出了改进的带驻留时间隐马尔可夫模型的结构,并在传统的隐马尔可夫模型(traditional hidden Markov model:THMM)的基础上讨论了新模型的前向-后向变量,导出了新模型的前向-后向算法的迭代公式,同时也给出了新模型各个参数的重估公式.

带驻留时间HMM2的Forward-Backward算法

讨论了用状态驻留时间来模型化传统HMM2模型,对传统HMM2的状态转移和输出观测值的Markov假设条件作了改进,在新模型的转移概率和输出观测值的概率中加入驻留时间,并在传统HMM2的基础上定义了新模型的前向-后向变量算法,导出了新模型的前向-后向算法的迭代公式,以及在给定模型λ的条件下,产生观测序列O的概率计算公式.