基于序列相似性计算的甲骨残片缀合算法

甲骨残片缀合一直是甲骨学研究中最急迫最具基础性的工作,它使得甲骨残片经过拼接,复原为更加完整的原始材料.尽管前人及同行曾提出若干计算机辅助的甲骨缀合方法,但这些方法缀合准确度不足,未能真正投入使用,并不能真正帮助专家解决甲骨缀合问题,导致当前的甲骨缀合工作仍旧依靠人工、依旧费时费力.为了更好地研究甲骨残片的机器缀合问题,本文使用一个较大规模甲骨缀合基准数据集OB-Rejoin,该数据集包含了约一千幅甲骨拓片图像,且融入了大量的甲骨学界已缀成果,用于算法评估.基于该数据集,本文设计了一种基于斜率变化量序列匹配的甲骨缀合算法(Slope United Sequence Matching for Oracle Bone Fragments Conjugation,SUM),该方法将甲骨残片的断边碴口图像匹配问题转化为数值型的序列数据和序列相似性比对问题,以将尚不够非常精密的计算机视觉领域的碴口图像匹配问题转换为数据科学领域较为成熟的序列数据相似性匹配问题.SUM将数值型的碴口序列数据进一步转换为斜率变化量序列和字符序列数据,最后利用字符序列的模糊匹配完成甲骨残片的碴口匹配.在实验环节,SUM算法与经典的序列相似性计算方法在精确率、召回率、漏检率方面进行了对比,并与两个较新的基于深度学习的序列匹配算法和形状匹配算法进行了性能对比.整体而言,SUM在OB-Rejoin数据集上的Top-15缀合召回率达到了95.181%,超越了对比算法.重要出土文献的精准复原本身是历史学和古文字研究中客观存在的重大现实需求,具有重要的史学价值和意义,因此,本文的研究成果,不但有助于解决甲骨残片的机器缀合问题,还对秦汉简牍和敦煌遗书等重要出土文献的精准复原具有重要的参考价值.

基于时空序列相似性的大规模内网数据库非法访问信息的挖掘算法

针对非法访问威胁内网信息安全的问题,基于时空序列的相似性设计了对非法访问信息进行挖掘的算法。根据数据的流转特性设定审计结构,按照数据自身的序列关系设定验证规则,从语句分析和关联分析两方面构建挖掘知识库;通过挖掘规则知识库初步审计访问信息,根据数据序列长度设定其变动位置的表征向量,在数据连续变动的状态下标识其相对序列位置;选择时空序列方式表示数据在时空变动内的属性,以相似性原理获取连续数据的访问距离,根据平衡函数划分类型计算访问数据得分,实现了对数据库中非法信息的挖掘。测试结果表明,该算法能够有效分割安全数据和非法访问数据,且精准度较高。

基于量表序列相似性的艾滋病患者精神卫生状况聚类分析

目的基于焦虑、抑郁和睡眠障碍量表对艾滋病患者的精神卫生状况进行综合评价。方法将量表的条目作为序列,利用动态时间规整(Dynamic Time Warping,DTW)方法计算患者每个量表得分的相似性,取平均值后得到患者间的相似性。使用层次聚类法进行聚类分析,以Calinski Harabasz Index(CHI)、Davies Bouldin Index(DBI)和轮廓系数(Silhouette Coefficient,SC)3个指标评价聚类质量并确定最优聚类数。根据每个聚类内不同精神状况患者的分布,为各聚类赋予标签,计算F1值评价聚类的准确性。另外使用欧氏距离以及基于单一量表的相似性进行聚类分析,比较二者的聚类质量、准确性、临床解释性。结果基于量表DTW相似性的患者聚类在CHI、DBI和SC 3个聚类质量评价指标上均优于基于欧氏距离的聚类(166.24 vs.72.68、2.91 vs.4.25、0.31 vs.0.16)。使用DTW相似性作为距离测度进行聚类时,利用焦虑、抑郁和睡眠障碍3个量表得分的聚类结果F1值(0.739)高于使用单一量表得分的聚类结果F1值(0.618、0.695、0.693)。结论基于多量表序列相似性的聚类方法在患者聚类方面表现出较好性能,可以对艾滋病患者的精神卫生状况筛查和评估提供帮助。

基于k-mer词频向量的九种DNA序列相似性计算方法比较分析

序列相似性计算是生物序列分析的前提和基础,传统的序列相似性分析方法需要借助双序列比对,如Needleman-Wunsch(NW)序列比对算法。面对海量序列数据,基于序列比对的相似性计算方法具有较高的时间复杂度。为快速得到序列间相似性,可以通过提取序列k-mer信息,利用序列k-mer词频向量进行计算。本文从序列k-mer词频向量提取及基于k-mer词频向量的九种相似性计算方法进行了详细介绍,并用两种数据集进行了比较分析。实验结果表明,基于k-mer词频相似性计算方法比标准NW算法速度至少快103倍,但不同的k-mer词频计算方法得到的相似性与标准NW算法差别较大,相对而言,欧式距离在两个数据集的相似性结果与NW方法更接近,在计算大规模序列相似性时,可以作为优先选择的方法。

基于二分频率变换的序列相似性查询处理技术

作为基因功能预测的主要手段,序列相似性查询技术是生物信息学领域的研究热点.基因序列和结构的相似性往往决定了基因功能的相似性,因此可以通过基因序列的相似性查找来预测新基因的功能.分析了MRS索引中频率变化和小波变换等相关技术,讨论了它们的缺点和不足,提出了一种基于二分频率变换2-PFT的序列相似性查询处理技术.首先,设计了二分频率变换和相应的距离函数,使得系统较之频率变换和小波变换具有更高的过滤能力,极大地提高了系统的性能;其次,解决了处理任意长度查询的问题.理论证明和实验结果均表明,2-PFT系统的性能远远优于MRS系统.

基于参考集索引的高效序列相似性查找算法

序列数据在文本、Web访问日志文件、生物数据库中普遍存在,对其进行相似性查找是一种重要的获取和分析知识的手段.基于参考集索引技术是一类解决序列相似性查找的有效方法,主要思想是找到序列数据库中的少数序列作为参考集,通过参考集过滤掉数据库中与查询序列不相关的数据,从而高效地回答查询.在现有基于参考集索引技术的基础上,提出一种过滤能力更强的序列相似性查询算法IRI(improved reference indexing).首先,充分利用了先前的查询结果集来加速当前的查询,其次考虑了基于序列特征的上界和下界,使得应用参考集进行过滤的上下界更紧,过滤能力进一步加强.最后,为了避免候选集中费时的编辑距离计算,则只计算前缀序列间的编辑距离,从而进一步加速算法运行.实验采用真实的DNA序列和蛋白质序列数据,结果表明,算法IRI在查询性能上明显优于现有的基于参考集索引方法RI(reference indexing).

序列相似性家族3A在高糖诱导的人脐静脉内皮细胞氧化损伤中的作用

目的评估序列相似性家族3A(Fam3A)在高糖诱导的人脐静脉内皮细胞(HUVECs)氧化损伤中的作用。方法将HUVECs分为对照组和高糖组,分别给予5.5 mmol/L葡萄糖的内皮细胞培养基(ECM)和33.3 mmol/L葡萄糖的ECM培养,RT-q PCR法检测Fam3A mRNA的表达,ELISA法检测Fam3A蛋白的表达。分别用siNT和siFam3A转染对照组和高糖组HUVECs,检测细胞内活性氧簇(ROS)含量、ATP水平、线粒体氧耗率(OCR)和P-p38蛋白表达情况。结果培养24h后,高糖组Fam3A mRNA与对照组的相对表达量为2.52±0.19,差异有统计学意义(t=13.296,P=0.000);Fam3A蛋白浓度为(173.82±33.28)pg/ml,明显高于对照组的(39.45±33.78)pg/ml(t=4.907,P=0.006)。siNT高糖组细胞内ROS含量为(8217±794)RFU,明显高于siNT对照组的(3982±398)RFU(t=15.109,P=0.002);siFam3A高糖组细胞内ROS含量为(11 910±1 001)RFU,明显高于siFam3A对照组的(4171±402)RFU(t=9.705,P=0.010)和siNT高糖组(t=4.026,P=0.048)。以siNT对照组ATP合成量为基线,siNT高糖组、siFam3A对照组和siFam3A高糖组细胞内ATP合成相对值分别为(61.2±5.6)%、(94.6±8.4)%和(29.7±2.7)%,siNT高糖组明显低于siNT对照组(t=12.001,P=0.007),siFam3A高糖组明显低于siFam3A对照组(t=20.742,P=0.002)和siNT高糖组(t=18.814,P=0.003)。siNT高糖组的线粒体OCR为(0.57±0.05)pMO_2/(μg蛋白·min),明显低于siNT对照组的(1.12±0.09)pMO_2/(μg蛋白·min)(t=6.804,P=0.021);siFam3A高糖组的线粒体OCR为(0.31±0.03)pMO_2/(μg蛋白·min),明显低于siFam3A对照组的(1.01±0.09)pMO_2/(μg蛋白·min)(t=19.876,P=0.003),也明显低于siNT高糖组(t=21.444,P=0.002)。以siNT对照组为基线,siNT高糖组、siFam3A对照组和siFam3A高糖组的P-p38相对表达量分别为2.239±0.353、0.816±0.120和1.160±0.185,siNT高糖组明显高于siNT对照组(t=6.075,P=0.026),siFam3A高糖组明显高于siFam3A对照组(t=6.242,P=0.024),低于siNT高糖组(t=9.686,P=0.010)。结论高糖可以诱导HUVECs高表达Fam3A。敲低Fam3A基因表达可加重高糖引起的ATP合成减少及线粒体OCR降低,同时促进高糖时ROS生成增多。Fam3A可能是通过p38 MAPK信号通路调节高糖诱导的HUVECs内ROS生成。

基于Hurst指数的DNA序列相似性分析

【目的】建立直接将Hurst指数作为指标参数进行DNA序列相似性分析的方法。【方法】以11个物种β-球蛋白第一个外显子的编码序列作为分析对象,首先将DNA序列转化为数字序列,然后用重标极差分析法计算各编码序列的全序列Hurst指数,之后利用它们的Hurst指数构建距离矩阵进行相似性分析,并将建立的基于Hurst指数的DNA序列相似性分析方法与其他方法的分析结果进行比较。【结果】建立的基于Hurst指数的DNA序列相似性分析方法,较好地从相关性角度反映了分析序列的生物特性指标,具有较好的相似性分析效能。与其他方法相比,该方法分析结果的敏感性较高,有助于提高进化距离较近的分析对象间的区别度。【结论】Hurst指数可以作为指标参数描述DNA序列的相似性,可将其进一步应用于生物序列的信息分析。

基于时间序列相似性原理的雷达信号快速识别

从密集复杂的信号环境中分选和识别出特定雷达辐射源信号是信号处理领域重要内容之一。利用威胁复杂雷达信号的先验信息,引入数据挖掘领域时间序列相似性快速匹配原理及其滑窗技术,提出了一种适于多参数联合变化雷达信号快速匹配识别方法。实验表明,该方法识别速度快,适应环境能力强,具有良好的应用前景。

基于时间序列相似性原理的雷达信号识别

从密集复杂的信号环境中分选和识别出特定雷达辐射源信号,是信号处理领域的重要内容之一。利用威胁复杂雷达信号的先验信息,引入数据挖掘领域时间序列相似性快速匹配原理及其滑窗技术,提出了一种适于复杂体制雷达信号快速匹配识别方法。实验表明,该方法识别速度快、适应环境能力强,具有良好的应用前景。

酵母蛋白质的序列相似性分析

介绍了蛋白质序列相似性分析的进展 ,并以对酵母蛋白质所做的工作为例 ,详细说明了蛋白质序列相似性分析的过程和有关算法 ,阐明了将蛋白质的结构分析和功能预测结合起来对序列相似性分析的意义 ,还针对蛋白质结构分析和功能预测的方法 ,提出了一些目前存在的问题 ,作为以后研究工作的出发点 .

基于对齐的生物序列相似性分析

生物序列相似性(或差异性)分析是生物信息学研究的一种重要的方法。其中基于对齐的生物序列相似性分析方法,重点介绍基于隐马尔可夫模型的比较方法,并比较基于对齐的各种生物序列分析方法的优缺点。

一种基于序列相似性的图书采访查重算法

传统图书采访查重方法存在容错性差、漏检等问题,将序列相似性S3M引入查重过程作为字符串相似的度量,能有效地对查重的书目数据进行模糊匹配,提高查重的查全率和查准率。

二硫苏糖醇抑制序列相似性家族134成员B(FAM134B)介导的内质网自噬促进大鼠肝细胞凋亡

目的探讨序列相似性家族134成员B(FAM134B)介导的内质网自噬在内质网应激(ERS)诱导的肝细胞凋亡中的作用及分子机制。方法采用(0、0.5、1.0、2.0、4.0、6.0)mmol/L的二硫苏糖醇(DTT)处理BRL-3A大鼠肝细胞48 h,实时无标记细胞动态分析(RTCA)检测肝细胞增殖,流式细胞术检测细胞凋亡,Western blot法检测ERS及内质网自噬相关蛋白、内质网-线粒体接触位点相关蛋白及线粒体凋亡途经相关蛋白表达的影响。内质网及溶酶体的荧光探针检测DTT处理细胞后二者的荧光共定位;线粒体钙离子荧光探针罗丹明2乙酰氧基甲酯(Rhod-2 AM)检测DTT对线粒体中钙离子水平的影响。结果DTT可显著抑制肝细胞的增殖并促进细胞凋亡。DTT处理肝细胞后ERS及内质网自噬相关蛋白、内质网-线粒体接触位点相关蛋白及线粒体凋亡途经相关蛋白的表达均显著上调。DTT处理细胞后内质网和溶酶体的荧光共定位显著减弱,同时,线粒体内钙离子荧光强度明显增强。结论DTT通过抑制FAM134B介导的内质网自噬,进而增加线粒体内Ca^(2+)的水平,促进肝细胞凋亡。

中国近海铜藻ITS与coxⅠ序列相似性分析

本研究分别对2016和2017年中国近海10个铜藻(Sargassumhorneri)漂浮地理种群以及3个定生种群的51个采集样本进行了ITS和coxⅠ序列分析及相似性比对。结果显示,51个样本的coxⅠ序列完全一致,ITS序列存在2个变异位点,按基因型的异同可分为4个类型,其中大连龙王塘、烟台大钦岛和南隍城岛的漂浮铜藻基因型相同,青岛金沙滩漂浮型、烟台大钦岛和大连獐子岛的定生铜藻基因型相同,威海俚岛和温州洞头的漂浮铜藻基因型相同,青岛雕塑园、王哥庄、大珠山、威海乳山的漂浮型和枸杞岛定生铜藻基因型相同,而同一种群内部即便是不同年份的个体间基因型并没有差异。基于ITS序列构建的系统树显示,来自中国的所有铜藻样本聚为一支,与来自韩国的铜藻样本有一定的遗传距离。以上结果说明,我国近海漂浮和定生铜藻的不同地理株间ITS和coxⅠ的遗传变异水平较低,漂浮铜藻可能具有不同的来源,为进一步探明中国近海海域铜藻的分子遗传背景提供依据。

序列相似性检测在超声测厚系统中的应用

基于脉冲回波法在超声测厚系统中应用十分广泛,文中提出将序列相似性检测应用于基于脉冲回波法的超声测厚系统中,避免了传统的厚度计算方法中存在的严重的波形局限性。在该算法中,通过计算序列的相似程度,寻找底面两次回波中变化趋势最为接近的两段序列,由这两段序列计算超声波在工件中的传播时间,从而计算工件的厚度。通过该算法在实践中的应用,验证了该算法的有效性和准确性。

基于平均交互信息量的DNA序列相似性分析

序列相似性分析是生物信息学中一个重要问题，对于研究物种的进化起源有着重要的意义。序列相似性算法包括基于序列比对的方法及非比对方法两种。基于比对的方法对于序列整体的衡量略有欠缺；非比对算法中有DNA曲线化方法以及比较序列各自整体碱基分布间的信息量差异的方法，只是考虑了序列整体信息间的差异，但未考虑序列各个位点间的差异。因此，提出了一种基于信息熵的相似性度量模型，把序列比对与信息量差异结合起来，将两条比对后的序列间的平均交互信息量与其联合熵之比作为两条序列的相似性度量。使用该度量构建了11个物种的相似性矩阵，对各物种间的相似性进行了分析，结果在一定程度上与生物分类学相契合。通过距离矩阵所构建的进化树，也反映了各物种间的进化关系，表明该模型的设计具有合理性。

常染色体显性钙化不全型釉质发育不全相关基因序列相似性83蛋白质家族成员H及其突变的研究进展

常染色体显性钙化不全型釉质发育不全(ADHCAI)是一种影响釉质结构的遗传性疾病,基本病变为釉质基质形成正常但无明显的矿化。该疾病具有明显的临床和遗传异质性,临床表现为患牙的釉质厚度正常而硬度降低,影响功能和美观。序列相似性83蛋白质家族成员H(FAM83H)在人体的多种组织和细胞中普遍表达,包括成釉细胞、成牙本质细胞和牙槽骨。该基因编码的细胞内蛋白质被认为与角蛋白细胞骨架和桥粒相关,在细胞内分子运输、细胞骨架网络调节和釉质形成中发挥作用。FAM83H基因中的许多突变已被证实可在不同人群中导致ADHCAI。近年来一些研究从囊泡运输、细胞骨架等多角度入手,探究FAM83H突变与AD‐HCAI发生发展之间的关系,本文就ADHCAI相关基因FAM83H及其突变的研究进展进行综述。

基于支持向量机的DNA序列相似性研究

为了解决传统的支持向量机在分类中不能够逼近任意的分类界面而造成分类精度低的目的,在传统的支持向量机核函数基础上,提出了一种基于遗传算法优化的支持向量机结构模型,并将该方法应用在DNA序列分类上。实验结果表明该算法在同等条件下要比传统的SVM分类方法具有更加优越的特征提取性能。支持向量机能在概论分布函数未知的条件下对DNA序列进行分类。它主要考虑如何利用少量的标注样本和大量的未标注样本进行训练和分类的问题,半监督学习对于减少标注代价,提高学习机器性能具有非常重大的实际意义。

基于样本熵的DNA序列相似性分析

针对传统方法在分析DNA序列相似性方面的不足,提出了一种基于样本熵的DNA序列相似性分析方法。以5种东亚钳蝎神经毒素的基因序列作为分析对象,首先通过DNA序列的图形表示把DNA序列转换为时间序列,然后运用样本熵算法计算出时间序列的样本熵值,将样本熵的互值大小作为分析序列之间相似性的依据,最后将样本熵方法与DTW(Dynamic Time Warping,动态时间弯曲)方法的实验结果进行比较。实验结果表明,样本熵分析方法能有效分析序列之间的相似性,与DTW分析方法相比较,显示出更强的相似性和区别度,可将其进一步应用于生物序列的分析。