单细胞DNA甲基化测序数据处理流程与分析方法

单细胞DNA甲基化测序技术近年来取得了飞速发展,在揭示细胞间异质性及表观遗传学调控机制方面发挥着重要作用。随着测序技术的进步,单细胞甲基化数据的质量与数量也在不断提高,标准化的预处理流程与合适的分析方法对确保数据的可比性与结果的可靠性尤为关键。然而,目前尚未形成一套完整的数据分析流程来指导研究人员对现有数据进行挖掘。本文系统综述了单细胞甲基化数据预处理步骤和分析方法,简要介绍了相关算法和工具,并探讨了单细胞甲基化技术在脑科学、血细胞分化及癌症研究中的应用前景,旨在为研究人员分析数据时提供指导,推动单细胞甲基化测序技术的发展和应用。

改进鲸鱼算法优化支持向量机实现乳腺癌预测

为了更好地通过人体肥胖的相关指数预测乳腺癌的存在,以抵抗素、葡萄糖、年龄和身体质量指数作为数据特征构造预测模型,通过研究支持向量机(SVM)的参数对模型的性能影响,提出一种基于自适应机制策略改进的鲸鱼算法,即参数自适应鲸鱼优化算法(PAWOA)用来寻找最优参数。采用Tent映射对种群位置初始化,引入自适应参数p^(*)代替随机阈值加速收敛速度,针对给定的目标函数对每个搜索个体进行求解,计算适应度后找到全局最优解,增强种群的全局寻优性能。实验结果表明,优化后的模型精确度提升12.44%,召回率提升13.57%,F_(1)评分提升13.14%。可见,该预测模型拥有更好的效果可以用于辅助判断乳腺癌。

基于数学形态学的红细胞计数算法

提出一种基于二值数学形态学的显微血红细胞计数方法.对细胞图像依次进行灰度化、二值化、形态学处理,最后进行细胞数量统计.实验结果表明:该计数算法能使图像中的红细胞被有效地识别出来,与人工计数的结果比较,该方法误差在控制2%以内,这有助于提高显微细胞检测的工作效率.

基于字典学习的正则化鲁棒稀疏表示肿瘤细胞图像识别

针对胃黏膜肿瘤细胞图像的高维性及复杂性的特点,为了提高稀疏表示图像识别的鲁棒性,提出了一种基于字典学习的正则化鲁棒稀疏表示(RRC)肿瘤细胞图像识别方法。该方法首先将所有的原始染色肿瘤细胞图像转化为灰度图像;然后利用具有Fisher判别约束的字典学习(FDDL)方法对肿瘤细胞图像训练样本的全局特征进行字典学习,得到具有类别标签的结构化字典;最后将具有判别性的新字典用于RRC模型进行分类识别。RRC模型是基于最大后验概率准则,将稀疏保真度表示为余项的最大后验概率函数,最终识别问题转化为求解正则化加权范数的优化逼近问题。将提出的识别方法应用于肿瘤细胞图像的最高识别率为92.4%,表明该方法能够有效地实现肿瘤细胞图像的分类。

异基因外周血干细胞移植BU/CY预处理方案相关癫痫的观察及护理

[目的]总结异基因外周血干细胞移植白消安联合环磷酰胺(BU/CY)预处理方案相关癫痫的观察及护理。[方法]对20例异基因外周血干细胞移植病人行BU/CY预处理,同时加强观察及护理,以预防和治疗白消安相关癫痫的发生。[结果]本组病人发生细小肢体抽动等癫痫先兆3例,发生癫痫小发作1例,均顺利度过预处理阶段。[结论]通过实施积极主动的临床观察、健康教育等护理措施,可有效预防和治疗异基因外周血干细胞移植病人行BU/CY预处理中大剂量使用白消安所导致的癫痫。

观测数据预处理及其在发酵动力学建模中的应用

针对观测数据中可能存在的异常数据 ,提出了一种异常数据检测和剔除的预处理方法 ,并将它成功地应用于发酵过程中菌体生长的观测数据预处理 。

细胞形态参数的全自动检测

全自动检测能使人工干预减少到最低程度,从而明显地提高检测速度。当摄象机摄取一幅细胞的模拟图象并被转换成其一幅的数字图象,该幅数字图象再经过阴影消除、二值化和边缘检测等几个预处理步骤时,细胞的边缘就能被显示出来,边缘上所有象素的坐标也就能被本文所介绍的方法进行检索。根据上述几个处理步骤,就能获得诸如面积、周长、长(短)轴、形状因子等细胞的形态参数。

基于图像特征分割的干电池封口胶视觉检测

干电池封口胶的涂抹质量是确保干电池长期保存的关键。为实现干电池封口胶质量视觉自动检测,探讨了相关的图像增强、阈值分割、边缘检测和目标区域提取方法:采用灰度线性变换进行图像增强,基于Sobel算子实现干电池锌桶内、外壁边缘检测,并根据干电池图像中各特征区域像素分布情况提出了可变阈值分割方法。实验结果表明,该方法可准确提取内、外层胶体边缘图像特征,为实现涂胶质量评估及缺陷识别建立了基础。

图像算法方式的细胞追踪

细胞运动研究是研究细胞的重要组成部分。针对细胞运动图像序列,提出一种基于复合型Mean-Shift算法追踪细胞移动的方法,并就这一方法在追踪细胞移动过程中所涉及的问题进行分析,提出核心参数选择方案,并描述了图像预处理的过程。应用该算法对目标细胞进行追踪,以细胞运动轨迹图像序列方式来显示追踪效果,对每个目标细胞追踪十次来验证算法的正确性,结果表明平均追踪时间约为22s,追踪正确率为100%。

基于FPGA设计与实现ATM交换机信元预处理

简要概述了异步传输模式(ATM)的定义和ATM交换机的工作原理,阐述了ATM技术作为B-ISDN基础技术的优点。根据ATM交换机自身的功能需要,对信元预处理的流程进行了分析和模块的设计,并且使用VHDL语言进行功能描述,在ISE开发环境下经逻辑仿真验证,实现了基于FPGA的信元预处理功能。

DCA自动数据预处理技术研究

树突细胞算法(DCA)能够在数据规模方面有效地处理大数据集。然而,在处理复杂数据集时,数据规模不是唯一需要考虑的,也要考虑高维数据问题。树突细胞算法的复杂性出现在数据预处理阶段,因此数据降维就尤其重要,以往,树突细胞算法的数据预处理是根据问题域的专家知识采用手工方法执行的,既浪费时间又是难以实现的。提出利用主成分分析法实现DCA的自动数据预处理,提取和选择相关特征使算法适应于基础数据的特点。在KDDCUP’99数据集上将PCA应用于DCA显示其可行性,并产生有用且准确的分类结果。

基于昇腾NPU的癌细胞检测算法设计及实现

为了解决临床针图像中循环肿瘤细胞(CTC)人工检测效率低的问题,提出了利用经典图像处理方法进行预处理并利用卷积神经网络(CNN)进行判断识别的解决方法。通过预处理初步检测出图像中所有的疑似癌细胞,将得到的细胞图像输入到训练好的网络进行判断并得到检测结果。实验中采用临床采集的图像进行测试,测试过程中网络判别准确率为90%,且没有出现漏判。结果表明:利用卷积神经网络的癌细胞识别方法具有可靠的效果,相较于人工判断具有精度上的优势,能够作为癌细胞识别的重要手段。同时,算法在集成了NPU加速芯片的华为Atlas200 DK硬件平台上运行,实现了运算加速,并为实现应用的离线部署创造了条件。

基于卷积神经网络的白细胞二分类的研究

随着计算机技术的快速发展,利用深度学习和图像处理技术辅助医师完成医疗诊断成为研究的热点问题之一。在医疗临床领域,人体外周血白细胞的检测对疾病的判断有不可或缺的作用,提出了基于深度学习的一种人体外周血白细胞分类的方法。首先建立了卷积神经网络模型,采用中值滤波和图像压缩技术对人体外周血血液图像进行预处理。利用衰减因子防止卷积神经网络过拟合,同时利用粒子群算法对衰减因子进行优化,寻找最优的衰减因子。实验表明,优化后的神经网络模型对无颗粒白细胞识别率为96.61%,对有颗粒白细胞识别率为96.56%,基本满足既定目标。利用卷积神经网络的方法,在避免精确分割细胞复杂性的同时避免人工选取特征的差异性,而且取得了不错的准确率。

多晶硅太阳电池的等离子体预处理研究

采用 H_2、NH_3和 H_2+NH_3等离子体在沉积氮化硅薄膜之前对多晶硅片进行预处理,采用等离子增强化学气相沉积(PECVD)制备氮化硅薄膜,然后印刷烧结。利用准稳态光电导衰减法(QSSPCD)、傅里叶红外光谱仪(FT-IR)和紫外可见近红外分光光度计(UV-VIS)等手段研究了等离子体预处理对多晶硅少子寿命的影响以及等离子体预处理对氮化硅薄膜 FTIR 光谱的影响和多晶电池性能的影响。结果表明:经等离子体预处理后多晶硅的少子寿命有所提高,使用 H_2+NH_3混合等离子体预处理后,制备的多晶电池的性能有明显提高,短路电流能提高约7%。

基于loess回归加权的单细胞RNA-seq数据预处理算法

单细胞RNA测序数据提供了研究细胞异质性和在生物条件下差异表达基因的机会,其中一些在细胞中表达量有显著变化的高变异基因对单细胞测序数据的下游分析有着关键的作用。本文提出一种基于LOESS回归加权的单细胞RNA-Seq数据预处理算法,处理基因在细胞中的表达量数据,使高变化基因在分析过程中作用加强,达到基因软筛选与数据降噪的目的。进一步,选取6组单细胞RNA-seq数据对算法进行测试,首先对生成的基因表达矩阵进行预处理,然后分析预处理对后续分析(可视化、聚类、差异表达分析)的影响,实验结果表明该算法有效提升了下游分析准确度,显示出良好应用价值。

基于代谢组学的细胞内源性代谢物研究进展

代谢组学是继基因组学、转录组学和蛋白质组学之后新兴的一种定性和定量分析复杂生物样品中所有小分子代谢物的组学方法,也是目前组学研究领域的热点之一。代谢组学主要考察生物体系受刺激或扰动后内源性代谢物的变化,是系统生物学的有机组成部分。近年来在代谢组学研究中,细胞内源性代谢物的研究已取得了很大进展。本文结合代谢组学的基本含义,综述了细胞样品前处理方法及代谢靶向分析、代谢轮廓分析、代谢组学分析和代谢足迹分析在细胞方面的研究进展。