Enhanced Multi-phosphopeptide Enrichment and Nano LC-ESI-qTOF-MS Detection Strategy Using Click OEG-CD Matrix

Detection and determination of multi-phosphopeptides from protein digestion products are difficult due to the low abundance and ion-suppression effect arised from the existence of their high-abundance counterparts. Click OEG-CD[olio（ethylene glycol）（OEG） linked β-cyclodextrin（CD）] matrix has shown excellent performance in phosphopeptide enrichment. However, few multi-phosphopeptides were detected previously. In this investigation, an improved method aiming at enhancing the enrichment selectivity and mass spectrometry（MS） detection of multi-phosphopeptide was developed via optimizing the sample loading amount on per mg of matrix. Mass spectra were obtained on a Nano liquid chromatography-electrospray ionization-quadrupole time of flight-mass spectrometry （LC-ESI-qTOF-MS）. The enrichment selectivity of double-phosphopeptide could be enhanced with the increase of loading amount on per mg of matrix when taking the mixture of mono-, double-, and non-phosphopeptides as probe. Furthermore, the multi-phosphopeptide enrichment selectivity was enhanced under the condition of optimized loading amount when taking the product of typtic digestion a-casein as test sample. When the loading amount was 573 pmol/mg matrix, up to 20 a-casein phosphopeptide signals（including 15 multi-phosphopeptides） were detected. The result is much better than that of our previous report. The reduction of ion-suppression effect arised from the existence of high-abundance non- or mono-phosphopeptides and the stronger interactions between multiphosphopepides and the matrix were contributed to the result. The study could be helpful to the better utilization of Click OEG-CD matrix in the enrichment of multi-phosphopeptide from complex biosamples in the subsequent investigation.

亲水模式下流动相pH值对磷酸化肽在Click OEG-CD材料上富集选择性的影响

以标准蛋白质α-酪蛋白的酶解液作为研究对象,考察流动相pH值对磷酸化肽在Click OEG-CD材料上富集选择性的影响。首先以磷酸苯二钠作为模型化合物考察流动相pH值对其在Click OEG-CD材料上的保留影响,结果表明当pH值低于磷酸根的p Ka值时,磷酸苯二钠难以电离,与材料的离子交换作用较弱,因而保留也较弱。然后在亲水模式下流动相pH值分别为2,4,6时考察Click OEG-CD材料对α-酪蛋白的酶解液中磷酸化肽的富集选择性影响。结果表明,当流动相pH为2时,磷酸化肽不能被材料富集;当pH为4时,磷酸化肽能够被富集,而且洗脱窗口较窄;当pH为6时,磷酸化肽也能够被富集,但是洗脱窗口较宽。因此适合亲水模式下富集磷酸化肽的流动相pH值为4。本研究结果能够为今后将Click OEG-CD材料更好的应用于磷酸化肽富集提供有意义的借鉴。

基于域矩阵因子分解机的点击通过率预估增强网络

有效的特征交互,对于工业推荐系统中点击通过率(click-through-rate,CTR)预估的准确性起着至关重要的作用。以往并行结构的CTR预估模型通过将独立的浅层模型和深层模型并行连接,以此来学习特征的低阶交互和高阶交互。但是,这些模型存在浅层模型准确性低、未考虑特征交互时的多语义问题、参数过多、深层模型过度泛化等问题。基于上述问题,提出了一种基于域矩阵因子分解机的点击通过率预估增强网络,通过引入域矩阵优化浅层模型中的交互,提高运算效率,并在深层模型的DNN层与层之间增加了桥接模块,在每层高阶交互后增强对原始特征的记忆能力,将浅层模型和深层模型的结果相加并归一化得到预测值。该模型在Criteo、KKBox、Frappe和MovieLens数据集上进行了大量实验,展现了优秀的预测能力。

基于改进Fi-GNN模型的点击率预测方法

为解决基线模型(Fi-GNN)特征交互模块设计不合理的问题,提出一种基于改进Fi-GNN模型的点击率预测方法(Fi-GNN-V2)。针对特征交互模块的邻接矩阵没有考虑到异构节点间的多元关系,在计算异构节点间相互作用的权重时增加边类型的嵌入向量,得到更合理的邻接矩阵;通过多头聚合多个子空间的邻居信息学习不同方式的特征交互;融合二阶以及三阶特征组合解决特征交互模块造成特征域的语义信息丢失问题,设计注意力模块抑制无用特征组合对模型学习的干扰;为进一步提升模型的性能,结合深度神经网络隐式捕捉高阶非线性的特征组合进行联合预测。实验结果表明,该方法优于其它主流点击率预测模型。

基于场矩阵分解机和CNN的点击率预测模型

点击率预测是在线广告和推荐系统的基本任务之一.主流模型通常通过对高阶和低阶特征进行特征交互建模来提升性能和泛化能力.然而,许多模型往往仅学习每个特征的固定表示,而忽视了特征在不同上下文中的重要性,并且一些模型结构过于简单.因此,本文提出了特征细化卷积神经网络融合场矩阵分解机(FRCNN-F)模型,以解决这些问题.首先,在特征细化网络(FRNet)中融合了卷积神经网络的特征生成模块,利用其在局部模式下重新组合生成新特征的优势,提升了重要特征选择能力.其次,设计了场矩阵分解机,使模型能够感知上下文并通过不同场的交互进行显示建模,从而增加了子模型的组合方式.最后,通过在Frappe和MovieLens两个公开数据集上对比实验,实验结果表明,FRCNN-F模型相比基线FRNet在AUC得分分别提升了0.32%和0.40%,交叉熵损失函数Logloss分别降低了1.50%和1.11%.该研究对于实现广告的精准投放和个性化推荐具有实际应用的价值.

结合广告相似性网络的搜索广告推荐

目前已有的基于协同过滤的搜索广告推荐方法中,基于邻域的协同过滤方法存在着无法处理稀疏数据的问题,而基于矩阵分解的方法虽然能够推断出缺失的数据,但是却缺少邻居的协作。提出了一种搜索广告推荐算法,即ASN-MF,该算法通过建立广告相似性网络得到广告的相似性关系,并将其加入到矩阵分解的损失函数中,使得分解后的广告特征矩阵能够带有相似邻居的性质。实验基于KDD Cup 2012-Track2的真实数据集,证明了算法的可行性与有效性。

基于矩阵加权关联模式的印尼中跨语言信息检索模型

【目的】针对跨语言信息检索存在的查询漂移问题,提出一种融合用户点击下载行为与矩阵加权关联模式挖掘的印尼中跨语言信息检索模型。【方法】将矩阵加权关联模式挖掘、查询扩展以及用户点击下载行为集成应用到印尼中跨语言信息检索模型,给出模型实现的关键技术,即面向跨语言信息检索的矩阵加权关联模式挖掘算法、跨语言查询扩展模型以及印尼中跨语言信息检索算法。【结果】在NTCIR-5 CLIR数据集上的实验结果表明,该检索模型的R_prec、p@10和p@20值均达到单语言检索基准的60%以上,比跨语言检索基准提高37%以上,比现有基于伪相关反馈的跨语言检索算法提高28%以上。【局限】该模型实验在基于向量空间模型的跨语言检索系统中进行,需要探讨和研究在实际搜索引擎中的具体应用。【结论】该模型能有效地减少跨语言检索中的查询漂移问题,提高和改善印尼中跨语言检索性能,对长查询的检索效果更好,有较好的实际应用价值。