泉生热袍菌结构基因组的选靶研究

对泉生热袍菌进行了结构基因组的选靶研究,从泉生热袍菌的蛋白组中挑选了20个蛋白质作为第一批进行结构测定的目标,以发现新的蛋白质折叠模式.选靶研究主要使用了BLAST搜索,PSI-BLAST搜索和ProtoNet数据库搜索等方法.另外,还用PredictProtein程序对选中的蛋白质进行了二级结构和外形预测.选中的20个蛋白质中有8个被克隆、表达和纯化,其中2个得到了单晶并收集了X衍射数据.实验结果和最近一些文献报道的结果表明,挑选的一些蛋白质具有新的折叠模式,表明了这种选靶策略的有效性.

基于小样本学习的语音端点检测

语音端点检测作为语音信号处理前端处理部分的一个重要环节,是各种语音任务的基础。基于深度神经网络的语音端点检测在数据支撑上需要对语音进行大量帧级别的标注,针对此问题,文中提出一种基于原型网络(ProtoNet)的小样本学习(Few⁃shot Learning)的语音端点检测算法,进一步减少在语音端点检测算法过程中因帧级别数据标注带来的繁琐工作。该算法利用所给出的标签计算出一个分类中心,通过计算查询点到分类中心的距离将未给出标签的查询点归类到分类中心,得到一个原型中心;在测试集上,计算测试集中的查询点与原型中心的距离并进行测试。实验语料基于MUSAN语音库,使用该语音库自带的噪声库进行加噪。实验结果表明,在各种环境噪声下,基于小样本学习的语音端点检测算法的性能优于基于深度神经网络的语音端点检测算法,而且该算法能够显著减少语音端点检测算法的数据准备工作量与系统数据量。