流感病毒组成蛋白质序列的分析与预测

在NCBI数据库中获得1902—2013年关于流感病毒10种组成蛋白的所有氨基酸序列,在MATLAB中采用大数据编程分析,结合详细的HP模型,并基于CGR-WALK模型的方法将全部流感病毒蛋白质序列转化为数据形式,引入时间序列ARFIMA(p,d,q)模型来拟合所有序列,分析10种组成蛋白的序列在近80年的变化趋势,并对其未来10年的发展趋势进行预测.通过分析可以发现,其对流感病毒变异趋势的预测有很好的效果,这为基于大数据分析流感病毒蛋白质序列,预测流感病毒的爆发提供一定的的研究参考价值.

甲型H1N1流感病毒三维空间结构预测

采用从头计算思想,用改良的遗传算法对甲型H1N1流感病毒的蛋白质空间结构进行预测研究。基于蛋白质空间结构的HP模型,构建甲型H1N1流感病毒蛋白质空间结构的3DHP模型,并利用改良的遗传算法找到最小自由能结构,从而预测得到甲型H1N1流感病毒蛋白质三维空间结构。利用蛋白质空间结构数据建立距离矩阵,通过相关性分析和显著性检验,表明预测结构与已知结构存在高度的一致性。该模型提供了一种快速预测甲型H1N1流感病毒结构的方法。

流感大爆发的多重早期预警信号

基于CGR-混沌游走模型,本文对选取自1913-2012年的流感病毒HA蛋白质序列用时间序列方法来研究,从而得出流感大爆发的早期预警信号的多重指标值.基于详细HP模型先对蛋白质序列建立CGR-混沌游走模型,再求方差、延迟2自相关系数,发现大流行年(-+1至2年)的混沌游走序列的方差和自相关系数都明显高于相邻年,而在非大流行年它们通常较小.