iRSC-PseAAC:基于有效降维算法LDA预测蛋白质中的氧化还原敏感半胱氨酸位点

氧化还原敏感半胱氨酸(RSC)硫醇参与了许多生物过程,并发挥着重要作用。因此,有必要对氧化还原敏感半胱氨酸进行准确鉴定。然而,传统的氧化还原敏感半胱氨酸鉴定非常昂贵且耗时。目前,迫切需要一种数学计算方法来识别序列信息,快速准确地鉴定出氧化还原敏感半胱氨酸。在此,我们开发了一种名为iRSC-PseAAC的有效预测器,它采用降维算法LDA结合支持向量机来预测氧化还原敏感半胱氨酸位点。在交叉验证中,特异性(Sp)、灵敏性(Sn)、准确性(Acc)和马修斯相关系数(MCC)的结果分别为0.841、0.868、0.859和0.692。在独立数据集的结果中,特异性(Sp)、灵敏性(Sn)、准确性(Acc)和马修斯相关系数(MCC)分别为0.906、0.882、0.890和0.767。与现有的预测方法相比,iRSC-PseAAC具有明显的改进效果。本研究提出的方法还可用于计算蛋白质组学中的许多问题。

一种强反射表面高光去除方法

针对陶瓷、塑料和玻璃等材质在较为复杂的曲面形状下容易产生多区域、大面积的过饱和高光反射以及光照不均等现象,传统基于局部区域的高光去除方法存在工作量大且效果不佳的问题,难以达到预期目标。因此,本文提出一种基于多角度光源采集的多幅图像,结合整体图像融合和同态滤波方法,实现高光图像整体去除,极大缓解光照不均的问题,提高图像整体质量。为了验证此方法的普适性和鲁棒性,使用此方法分别对手机外壳、矿泉水瓶、塑料袋、金属零件、玻璃瓶和陶瓷盘等六种不同材质或空间形状进行高光去除实验。实验结果表明,本文提出的高光去除方法能有效去除图像的所有高光区域,显著缓解图像光照不均问题,增强图像对比度,特别是对存在大面积高光或暗影区域的图像的质量改善具有显著作用。