基于改进编码的多聚脯氨酸二型结构预测

目前使用机器学习方法对稀有的PPII二级结构进行预测工作还比较少见。本文在分析数据集的特征基础之上,采用加强局部信息的改进编码方法,并使用生物信息学中常用的BP神经网络来预测PPII二级结构。通过对不同输入窗口长度与不同隐层节点数的神经网络进行训练和测试,得出在输入窗口长度为5个氨基酸残基和隐结点数为8时PPII螺旋结构能够被很好地预测出来,此时的预测敏感度为82.5%。

基于神经网络的多聚脯氨酸二型结构预测

使用“机器学习方法”对稀有的多聚脯氨酸二型(PPII)的二级结构进行预测,在预处理蛋白质序列的基础上,使用生物信息学中常用的 BP神经网络预测 PPII二级结构.通过对不同输入窗口长度与不同隐层节点数的神经网络进行训练和测试,得出在输入窗口长度为 13 个氨基酸残基和隐节点数为15时预测效果最好,此时的预测精度可达73.8%.

二氧化氮浓度时空预测:一种区间二型直觉模糊神经网络方法

空气中二氧化氮浓度的高低对环境保护和公共健康具有重要影响。目前二氧化氮浓度预测方法在表征时空关联性方面存在不足。鉴于此,提出了新的使用区间二型直觉模糊神经网络时空预测二氧化氮浓度的方法。首先,阐述了该区间二型直觉模糊神经网络框架,引入可变系数加权其隶属部分和非隶属部分的输出,并采用随机向量泛函链接神经网络作为规则后件;然后,为确定网络结构和参数,采用分层聚类算法得到模糊规则库,并通过最小二乘法优化网络后件的输出权值;最后,使用2018年1月至3月采集的北京市二氧化氮浓度真实数据进行数值验证。实验结果表明,与现有方法相比,该方法在短期和长期时空预测方面均取得了较高的预测精度和效率。

基于卷积神经网络的多聚脯氨酸二型二级结构预测

多聚脯氨酸二型螺旋是一种特殊且稀少的蛋白质二级结构。为了节省实验方法测定该结构的时间和成本,本文设计一种基于卷积神经网络的深度学习算法用于预测多聚脯氨酸二型螺旋。首先,对蛋白质序列信息进行特征编码生成特征矩阵,特征编码方式包括氨基酸正交码、氨基酸物理化学性质和位置特异性打分矩阵。其次,将归一化处理后的特征矩阵输入到卷积神经网络中,自动提取蛋白质序列的局部深层特征并输出多聚脯氨酸二型螺旋的预测结果。实验结果表明,该算法的性能相较于支持向量机之类的6种传统机器学习算法有明显的提升。

支持向量机在PPⅡ二级结构预测中的应用

PPⅡ二级结构是一种稀有的蛋白质结构类型。目前使用机器学习方法预测此二级结构的工作还比较少见。引入一种新的方法———支持向量机 (SVM)来预测PPII二级结构 ,并与神经网络方法进行了比较 ,结果表明 ,SVM方法在预测PPII结构上表现良好 ,预测精度达到 76 .5 2 %。

二甲双胍与利拉鲁肽对超重2型糖尿病患者肠道菌群的影响

目的探究二甲双胍与利拉鲁肽对超重2型糖尿病患者肠道菌群结构和功能的影响。方法选取2018年1月—2019年6月我院90例超重2型糖尿病患者作为研究对象,采用完全随机原则将其分为治疗方案不同的3组,分别为Met组(单用二甲双胍治疗)、Lira组(单用利拉鲁肽治疗)和Ct组(联合二甲双胍与利拉鲁肽治疗),采用高通量测序与生物信息学相结合的方法,比较肠道菌群结构和功能的组间差异。结果Met、Lira、Ct 3组治疗后身体质量指数(body mass index,BMI)分别为(31.48±1.21)kg/m^(2)、(28.92±1.30)kg/m^(2)、(28.29±1.22)kg/m^(2),均较治疗前有所降低(P均<0.05)。Lira组和Ct组治疗后BMI、IL-6、TNF-α、TG和TC的下降幅度均大于Met组(P均<0.05);Met组、Ct组肠道菌群多样性显著增加,Lira组肠道菌群多样性显著降低(P均<0.01)。结论联合二甲双胍与利拉鲁肽治疗超重2型糖尿病患者优于单用利拉鲁肽与单用二甲双胍,但联合用药对肠道菌群影响较大。

新型取代二苯并冠醚的合成

以多聚磷酸 (PPA)为催化剂和反应溶剂 ,2 -丁烯酸为酰化剂 ,对二苯并 -2 4-冠 -8进行酰化 ,成功地合成了双茚满酮型二苯并 -2 4-冠 -8。产物由 IR、MS和元素分析鉴定了其结构。

遗传神经网络在PPⅡ预测中的应用

提高多聚脯氨酸二型结构的预测精度,可从两方面着手,一是结合遗传算法,形成遗传神经网络,努力使迭代往全局最优的方向进行;二是通过神经网络输入层,添加反映残基和预测中心位置距离的单元.结果表明,使用混合算法建立的新模型比仅用神经网络模型在预测精度上有明显提高,可从64.5%提高到70.1%.