Strategies for translating proteomics discoveries into drug discovery for dementia

Tauopathies,diseases characterized by neuropathological aggregates of tau including Alzheimer's disease and subtypes of fro ntotemporal dementia,make up the vast majority of dementia cases.Although there have been recent developments in tauopathy biomarkers and disease-modifying treatments,ongoing progress is required to ensure these are effective,economical,and accessible for the globally ageing population.As such,continued identification of new potential drug targets and biomarkers is critical."Big data"studies,such as proteomics,can generate information on thousands of possible new targets for dementia diagnostics and therapeutics,but currently remain underutilized due to the lack of a clear process by which targets are selected for future drug development.In this review,we discuss current tauopathy biomarkers and therapeutics,and highlight areas in need of improvement,particularly when addressing the needs of frail,comorbid and cognitively impaired populations.We highlight biomarkers which have been developed from proteomic data,and outline possible future directions in this field.We propose new criteria by which potential targets in proteomics studies can be objectively ranked as favorable for drug development,and demonstrate its application to our group's recent tau interactome dataset as an example.

基于条件独立性检验的非稳态因果发现方法

非稳态时间序列数据之间的因果关系发现是非常重要但极具挑战的问题。现有的工作主要假设观察数据随着时间或领域发生变化。上述假设使得相关方法需要引入时间或领域作为先验知识,无法应用于分段稳态的非稳态场景。因此,提出了一种基于条件独立性检验的非稳态因果关系发现算法。首先使用变化点检测方法来识别非稳态变化的时间点,然后将上一步的时间点进行区间划分,用基于条件独立性检验的时序因果关系发现算法推断局部稳态因果结构。在仿真和真实世界数据上的实验证明了该方法的有效性。

本科分流培养模式下药物发现中关键技术新课程的构建

培养一流人才、服务国家战略是“双一流”建设的重要指导思想。面向国家对药学高层次人才的需求,中山大学药学院对高年级本科生实施药物化学、药理学、药剂学三大方向的分流培养。目的是强化学生对学科发展前沿的把握,提升学生对药学基础知识的综合运用以及解决问题的能力,激发学生的创新能力。以药物发现中的关键技术课程为例,文章介绍在药物化学方向下建立配套课程的设计思路及教学内容、教学方法与教学成效,为药学精英人才培养提供新思路。

商品期货市场套期保值与价格发现功能关联机制研究——基于市场流动性与参与者结构视角

基于市场流动性与参与者结构视角,探究在商品期货市场发展中套期保值与价格发现功能关联机制,并使用2011年1季度—2022年4季度大连商品交易所12个品种的面板数据进行实证检验。结果表明:期货市场价格发现功能通过市场流动性中介促进套期保值功能,而参与者结构调节期货市场功能关联强度;农产品期货市场的套期保值功能发挥整体较强,工业品期货市场的功能关联较强。为此,建议期货市场在提高市场流动性的同时优化参与者结构,进一步促进期货市场功能协同发挥。

基于关联规则的中医药知识发现——以肺病医案为例

[目的/意义]中医医案作为重要的医疗资源含有大量的数据与信息,深度挖掘中医医案,围绕医案内容进行知识发现,有利于隐性知识的发掘,提高中医临床诊疗的效率与医疗服务的精准性。[方法/过程]以实地肺病医案为数据源,基于统计分析与关联规则的方法对中医医案内容进行挖掘,以咳嗽为主证为出发点,挖掘相关中医用药规律与临床症状以及症—药规律,探究关联规则分析在中医药知识发现方面的创新应用。[结果/结论]本地治疗咳嗽的高频药物包括炙甘草、杏仁、半夏、川贝母、茯苓、陈皮等,舌诊症状以苔薄白、苔薄黄、舌红、舌暗红、有齿印等为常见。基于Apriori算法的关联规则分析显示常见的药物配伍为丹参,桔梗—炙甘草、柴胡,桔梗—炙甘草、前胡,枳壳—桔梗等;舌诊症状以薄淡黄—舌暗红、有齿印—舌暗红、苔薄腻淡黄—有齿印等组合为强关联组合,苔薄淡黄—舌暗红症状组合的强关联药物有桔梗、炙甘草、丹参、白前等。咳嗽患者的类型有外感咳嗽与内伤咳嗽,涉及风热证、痰湿证、阴虚证、肺气虚证、痰热壅肺证等证型。

水价值的系统发现和全面实现

水在经济社会发展和生态文明建设中具有极其重要的作用和价值。目前,全社会对水价值的认识尚不充分,水价值实现亦不充分,迫切需要系统发现和全面实现水的价值。分析了水价值的内涵,刻画了水价值的多元性、空间差异性、时间变异性、可测性与可控性等基本特征,从资源安全、生态安全、经济安全、粮食安全、能源安全等方面解析了系统发现水价值的多个维度,并提出全面实现水价值的建议。

基于细粒度知识图谱的科技文献主题发现与热点分析

[目的/意义]利用知识图谱进行细粒度的知识组织并识别科技文献的热点主题,有助于科研工作者把握领域的研究现状和学科前沿,进而为科研资源优化配置提供有力支持。[方法/过程]提出一套基于知识图谱的主题发现和热点分析方法。首先,识别科技文献中的知识元,再抽取知识元中的语义实体进行主题发现;其次,构建“文献—知识元—主题”知识图谱,通过知识图谱中的共现关系网络识别领域的研究热点;最后,以农学领域的中文学术论文为实验数据,进行实证研究。[结果/结论]所构建的细粒度知识图谱不仅能够揭示科学知识与主题的潜在关联,而且能够实现科技文献主题的热点分析。

基于文献知识发现的传染病继发疾病挖掘分析研究

目的/意义挖掘公开发表的文献大数据,揭示传染病相关继发知识,助推继发感染监测平台研发建设,提升我国感染性疾病的预警防控水平。方法/过程首次采用基于文献的知识发现方法,以病毒性肝炎、人类免疫缺陷病毒感染和结核感染3种常见传染病为例,从大规模生物医学文献数据中挖掘并分析其继发疾病。结果/结论从超过3 680万篇PubMed文献中发掘出3种传染病的继发疾病,包括感染性疾病、非感染性疾病以及肿瘤。该方法在系统、全面地揭示传染病相关继发知识方面具有有效性,且为继发疾病的预警监测和尽早干预提供了更加有力的文献证据支持。

基于非稳态加性噪声模型的因果发现算法

因果发现旨在通过观测数据挖掘变量间的因果关系。现有的因果发现方法大多假定数据的产生过程是平稳的,然而在实际环境下往往不满足稳态假设,导致结果不可靠。研究发现,在一些场景中的非稳态扰动与时序信息高度相关。因此,在加性噪声模型基础上将非稳态扰动刻画为一项关于时序信息的函数,设计非稳态加性噪声模型,并给出非稳态加性噪声模型的识别条件,提出一种两阶段的因果关系学习算法。第1阶段利用回归计算得到变量残差,再检验残差与回归特征集的独立性从而选出叶子节点,迭代得到观测变量集的因果次序;第2阶段再次进行回归计算和独立性检验,消除第1阶段中冗余的因果关系,从而得到观测变量集的因果结构。实验结果表明,与基于约束的异构/非平稳因果发现、LPCMCI和Ti MINo算法相比,该算法在仿真数据集上取得了最优的效果,平均F1值达到0.85;而在真实因果结构数据集中,该算法的F1值平均提升41.12%,能够从非稳态数据集中恢复出更多因果结构的信息。

国际顶级会议视角下人工智能领域的新兴主题发现研究

[目的/意义]基于文献研究,揭示人工智能领域具有研究和发展潜力的新兴研究主题,为捕捉领域的发展动态和未来趋势提供参考。[方法/过程]构建人工智能领域国际顶级会议文献数据集,运用BERTopic主题模型实现主题发现,利用新颖性、增长性、主题强度,计算各研究主题的综合新兴潜力,遴选和评价领域新兴主题。[结果/结论]人工智能领域整体发展活力强,综合计算认为“目标检测”“联邦持续学习”和“梯度提升”是该领域当前最具潜力的新兴主题,“AI隐私保护”“3D点云”“音频与视觉交叉”是未来比较有潜力的新兴主题。文章提出的研究框架能够发现更具时效性、准确性和可解释性的研究结果,具备实际可行性。[局限]未对不同神经网络语言模型进行对比研究和综合分析,未来可综合利用不同模型,揭示更具系统性、针对性、方向性的研究结论。

发现驱动中医药研究的新范式

发挥中医药原创优势、推动我国生命科学实现创新突破是国家需求,但如何挖掘中医药的原创优势,还需要进一步提升思想认知,用现代科学解读中医药学原理。本文在建国以来中医药实证性研究的基础上,正本清源,传承精华,厘清中医学中未加工事实与理性推演之间的关系,发现其中的科学事实;阐幽明微,守正创新,应用现代科学技术,发现中医理论与效应的独特原创优势,从中医出发为医学与生命科学做贡献,解决生物医药“卡脖子”问题两方面,面向未来,列举例证,发现驱动中医药研究的新范式:在厘清古籍医学事实、明确中医药临床效应的基础上,深入研究中国医学中尚不能被现代医学解释的独特生物学现象和过程,以期揭示新的生理现象、阐释新的病理机制、创建新的治疗策略,更加充分地发挥中医药原创优势,推动我国生物医学实现创新突破。

面向复杂网络舆情知识发现的事理图谱方法优化

[研究目的]优化事理图谱构建方法,提升事理图谱工具在非结构化网络舆情数据中的知识发现能力,能更好挖掘复杂网络舆情事件内部的因果关系和演化路径。[研究方法]研究采用RoBERTa预训练模型进行序列标注以取代传统模式匹配方法,引入Word2Vec词向量和BERTopic主题模型取代传统机器学习聚类算法,对知乎平台“硅谷银行破产”网络舆情进行实证分析。[研究结论]结果表明,融合深度学习与序列标注的因果关系抽取在114901个上下文中识别到68613条原始因果事件对,相较模式匹配方法高出46.47%;基于词向量与主题聚类模型的事件泛化将2148个代表事件划归为14个主题,在文本特征和语义特征层面的泛化效果优于K-means算法。该文依据优化方法构建的网络舆情事理图谱围绕核心主题呈现“循环型”“紧密型”“长链型”的演化路径特征,构建流程和分析过程可为网络舆情治理提供工具及决策支持。

重叠社区发现算法评价指标综述

重叠社区发现算法对于理解复杂系统、发现复杂网络中隐藏的规律等具有很强的应用价值,而评价指标是算法发现高质量重叠社区的一个关键要素,算法的进步常常依赖于评价指标的进步。现有研究对非重叠社区发现算法的评价指标有较多的总结,而没有对重叠社区发现算法的评价指标进行总结。对重叠社区发现算法的评价指标进行了系统的总结和回顾,将指标分为事先知道社区结构、事先不知道社区结构和其它三大类。事先知道社区结构的评价指标包括基于混淆矩阵、基于ARI、基于NMI三个子类评价指标,事先不知道社区结构的评价指标包括基于模块度、基于密度、基于元数据三个子类评价指标,其它类主要介绍算法可扩展性评价指标。深入理解各种评价指标对于开发和优化重叠社区发现算法、在实际应用中发现高质量社区具有重要价值。

一种融合节点变化信息的动态社区发现方法

动态社区发现旨在检测动态复杂网络中蕴含的社区结构,对于揭示网络的功能及演化模式具有重要研究价值.由于相邻时刻网络的社区结构具有平滑性,前一时刻网络的社区划分信息可以用于监督当前时刻网络的社区划分过程,但已有方法均难以有效提取这些信息来提高动态社区发现性能.针对该问题,提出一种融合节点变化信息的动态社区发现方法(Semi-supervised Nonnegative Matrix Factorization combining Node Change Information,NCI-SeNMF).NCI-SeNMF首先采用k-core分析方法提取前一时刻社区网络的degeneracy-core,并选取degeneracy-core中的节点构造社区隶属先验信息,然后对相邻时刻网络的节点局部拓扑结构变化程度进行量化,并将其用于进一步修正社区隶属先验信息,最后通过半监督非负矩阵分解模型集成社区隶属先验信息进行动态社区发现.在多个人工合成动态网络和真实世界动态网络上进行大量对比实验,结果表明,NCI-SeNMF比现有动态社区发现方法在主要评价指标上至少提升了4.8%.

数字化价值的发现机制与实现路径研究

数字化改革加剧了产业集中度的提升,从一般的数字化技术到先进的数字化技术,对于数字化能力累积时间长、制造业规模与资本扩张能力强以及组织惯性积淀深等企业,数据资源转化为数据资产的机会就会越大,数字化价值的获取也就越充分。企业自主治理环境是数字化价值实现的重要保证。突出“自主治理”的理念是对数字化价值机制的一种内在维护,即面对数字化改革存在的制度滞后的现状,结合数字化转型中的企业类型、行业特征、区域经济发展状况等不同情况,补充政府监管一时难以规范的不足。数字化技术手段的应用,各种信息的获取及相关的沟通交流变得容易且成本降低,自主治理的重点就是要自我激励与约束,并以正向的约束为主。财政部等的“数据资产入表”等制度规范为数字化价值的形成与发展提供了重要的方法基础和制度保障。

中国碳酸锂期货市场的价格发现功能研究

自碳酸锂期货上市以来,其价格发现功能对引导碳酸锂现货市场健康发展具有重要作用。以中国碳酸锂期货市场价格为研究对象,选取2023年7月21日—2024年8月21日中国碳酸锂期货和现货市场的交易数据,建立向量误差修正模型,探究碳酸锂期货和现货市场价格之间的动态调整关系,并结合共同因子份额模型、信息份额模型和信息领先份额模型等三个模型,测算碳酸锂期货市场的价格贡献度。结果表明,中国碳酸锂期货市场价格是现货市场价格的格兰杰原因,碳酸锂期货市场对新信息的反应更为迅速,在价格发现中起着主导作用,并已经成为碳酸锂现货价格的有效参考依据,有助于促进碳酸锂价格的稳定和锂电企业的健康发展。

基于宽窄波束变换的定向邻居发现算法研究

无线自组网是一种无需预设基础设施的无线通信网络,它由一组带有无线收发装置的移动终端所组成,形成一个无中心、多跳、自组织的网络;自组网MAC协议的邻居发现问题是网络性能的关键,针对空中无线自组网窄波束、高动态的场景需求,提出了一种基于宽窄波束变换的定向邻居发现算法(FDBC-ND),该算法能在保证空中组网通信需求的基础上,根据窄波束、高动态的毫米波通信特点,保证天线的对准速度与时间的同步精度;通过仿真实验对邻居发现算法进行验证;仿真结果表明,FDBC-ND算法在天线的波束宽度为12°、网络节点数为20时,网络的平均邻居发现时间约为11.85 s;可以良好地应用于空中定向窄波束、高动态的场景。

融入武装部队的鲸鱼优化算法用于社区发现

针对于鲸鱼优化算法(WOA)多样性不足、两搜索阶段信息交流效率低、不平衡的问题,这里借用武装部队协同作战机理,提出一种新的WOA用于社区发现。为解决包围捕食阶段多样性不足的问题,引入“邻居潜力”学习模型,提高WOA的全局搜索能力和学习广度;为解决两捕食阶段信息交流效率的低问题,提出鲸鱼指挥官领导的气泡网捕食,确保搜索信息能有效利用;为解决两种捕食机制不平衡的问题,采用改进的学习自动机引导鲸鱼种群向有希望区域移动。同时,考虑到复杂网络社区发现是离散问题,提出了一种基于拓扑特性的新编码离散演化规则。最后,通过真实数据集测试并与其他算法比较,结果表明,该算法相较于对比算法具有更优的寻优能力,验证了算法的有效性。

平准基金干预与上市公司股票定价效率——“价值发现”与“价格扭曲”

2015年股灾后,我国成立平准基金,其对资本市场的影响,引起了业界和学界的广泛关注。本文收集整理了我国A股市场2014—2021年平准基金的交易数据,并利用该数据实证检验了平准基金干预对上市公司股票定价效率的影响,揭示了其影响机制、渠道及异质性表征。研究发现:平准基金交易这一典型的政府直接干预行为对上市公司股票定价效率的影响呈现非线性特征,随着平准基金持股比例由低至高,股票定价效率先升后降。这种倒U型关系反映了平准基金影响上市公司股票价格两种相反的作用机制,即“价值发现”和“价格扭曲”。从作用渠道来看,随着平准基金持股比例由低至高,投资者对上市公司基本面信息的关注度先升后平,而投机性交易倾向在干预强度突破阈值后显著提升。平准基金对上市公司股票定价效率的影响在公司产权性质、市值规模、平准基金交易方向、持股周期等多个方面表现出异质性。本文从股票定价效率角度拓展了政府直接干预市场的相关文献,对于我国建立更规范、更高效的证券市场具有现实意义。

“在乡村发现中国”跨学科调研行知录(2023)

大疫解禁,内外通畅。“在乡村发现中国”一行,2023年暑期再度启航。锵锵三人行,已经变成二十人之众。我们选择了福建屏南和浙江缙云,开始在城乡中国间游走“双城记”和“多村记”。暑热之中一路走来,无论是城中村、村中城、叠加态、枚举法、净是土、含绿量,还是诗意栖居、艺术乡建、双向奔赴、弱鸟先飞、千万工程、四民村庄……白天看,晚上聊,火花四溅、思想激荡。乡村就是如此丰富多彩,让我们多院校、跨学科的风云际会,变成一场文化盛宴,一次认知革命。《“在乡村发现中国”跨学科调研行知录》,在2018、2019、2022之后,又有了第四篇。礼失,求诸于野;学失,求诸于野。我们进而研究,种失,同样求诸于野。不仅是万物的种子来源于乡野,思想的种子,也在乡村游学中发芽生长。我们的思想,在希望的田野上!