气肋膜结构动态折叠建模方法研究

建立充气膜结构初始瘪气状态的折叠模型是进行充气仿真的基础.动态泄气倒塌分析是获取复杂结构初始折叠模型的基本建模方法之一.以气肋膜结构为例,基于控制体积法,研究了有限元分析中单元类型、数量及三种倒塌算法对计算效率、折叠效果及单元变形等的影响.结果表明,三角形膜单元计算耗时少,但计算结果收敛慢;随单元数量上升,计算耗时呈非线性快速增长,收敛效率则呈非线性递减;压应力消除法倒塌计算慢、体积压缩困难、表面积收缩大,不适于建立初始折叠模型;过载法计算快、体积压缩极快、表面积变形极小,可用于建模,但折叠形态不佳;在综合应力消除法和过载法的基础上,提出适于建模的混合法,实现了较优的计算效率和单元变形控制,且折叠形态较自然.

H5N2亚型禽流感病毒血凝素裂解位点碱性氨基酸对应mRNA核苷酸的二级结构分析

以H5N2亚型禽流感病毒毒株血凝素蛋白裂解位点碱性氨基酸为研究对象,对其密码子偏好性和对应mRNA序列的折叠二级结构特点进行研究和分析。旨在探讨裂解位点氨基酸对应mRNA核苷酸片段的二级结构与病毒致病力的关系,希望能对禽流感病毒的研究提供一些基础性信息。将mRNA样本按照序列等步长递增的方法,用RNAstructure 4.1程序预测这些样本的动态延伸折叠二级结构。序列和结构的分析结果:裂解位点的碱性氨基酸对富含腺嘌呤的密码子有强烈偏好;与碱性氨基酸对应的mRNA片段上的核苷酸主要位于折叠二级结构的单链环区,少数位于配对螺旋区。结果表明:裂解位点氨基酸对应的mRNA核苷酸形成发夹端环的大小与其碱性氨基酸的多少具有正相关性。

基于时空相似LSTM的空气质量预测模型

由传统机器学习方法组成的空气质量预测模型得到了普遍应用,但是此类模型对于数据有效性,特别是时空相关数据的选取仍旧存在不足。针对深度学习输入数据有效性问题进行研究,提出了一种基于时空相似LSTM的预测模型(spatial-temporal similarity LSTM model,STS-LSTM),以便在时间和空间层面选取更加有效的数据。STS-LSTM分为前序、中序和后序三个模块,前序模块为时空相似选择输入模块,提出了格兰杰因果权重动态时间折叠(Granger causal index weighted dynamic time warping,GCWDTW)算法,用于选取具有更高时空相似性的数据;中序模块使用LSTM作为深度学习网络进行训练;后序模块根据目标站点特征选择不同的输出组合进行集成。STS-LSTM整体模型在空气质量预测误差上较现有算法提升了8%左右,经过有效性选取的数据对于模型精度达到了最高21%的提升。实验结果表明,对于有效数据的选取该算法取得了显著效果,将数据输入输出方法作为应用型深度学习网络的一部分,可以有效提升深度学习网络的最终效果。

H5N1亚型禽流感病毒血凝素裂解位点碱性氨基酸对应mRNA核苷酸的二级结构分析

以H5N1亚型禽流感病毒(avianin fluenza viruses,AIV)毒株血凝素(hemagglutinin,HA)蛋白裂解位点碱性氨基酸为研究对象,研究其密码子的偏好性及对应mRNA序列折叠二级结构的特点.将mRNA样本按照序列等步长递增的方法,用RNAstructure 4.1程序预测这些样本的动态延伸折叠二级结构.结果表明,裂解位点的碱性氨基酸对富含腺嘌呤(A)的密码子有强烈偏好;与碱性氨基酸对应的mRNA片段上的核苷酸主要位于折叠二级结构的单链环区,极少数位于配对螺旋区.此外,本研究还从理论上提出了防治H5N1亚型AIV感染的对策,考虑以位于环区的mRNA核苷酸,运用RNAi的方法阻止H5N1亚型AIV的HA的表达。