介绍产电微生物胞外电子传递(extracellular electron transfer,EET)研究的背景和意义,概述细胞色素c、菌毛蛋白、电子介体等多种分子在EET过程中的作用,综述近年来利用网络方法和组学方法研究产电微生物EET过程的相关工作。从蛋白网络...介绍产电微生物胞外电子传递(extracellular electron transfer,EET)研究的背景和意义,概述细胞色素c、菌毛蛋白、电子介体等多种分子在EET过程中的作用,综述近年来利用网络方法和组学方法研究产电微生物EET过程的相关工作。从蛋白网络、调控网络与整合网络等方面总结网络分析方法在关键电子传递分子识别、电子传递模块挖掘、电子传递途径推断等方面的应用;从基因组、转录组、蛋白组、多组学与宏组学等方面总结使用组学方法识别电子传递基因及其功能分析方面的研究;介绍整合生物网络与组学数据在产电微生物EET过程生物分子协调利用、关键基因与基因簇识别等方面的研究。探讨当前存在的问题,展望未来整合多种生物网络和组学数据开展产电微生物EET研究的方向。展开更多
认知诊断评估的重要一环是构建符合约束(统计约束与非统计约束)的诊断测验。其中构建测验的认知诊断自动测验组卷(cognitive diagnosis automated test assembly,CD-ATA)方法十分关键,受到广泛关注。文章通过梳理有关CD-ATA的研究,从组...认知诊断评估的重要一环是构建符合约束(统计约束与非统计约束)的诊断测验。其中构建测验的认知诊断自动测验组卷(cognitive diagnosis automated test assembly,CD-ATA)方法十分关键,受到广泛关注。文章通过梳理有关CD-ATA的研究,从组卷方法的类别、开发思路、组卷过程、方法对比及选用进行阐述与评析。最后,在已有方法基础上指出未来可从融合测验设计、非参数组卷、平行测验组卷、开发组卷软件、开展实证研究五个方面进行研究与探讨。展开更多
为了解决传统不加权算术平均组对方法(unweighted pair group method with arithmetic mean,简称UPG- MA)存在的'tie trees'问题,通过改进UPGMA,提出了不加权算术平均组群方法(unweighted multiple group method with arithmeti...为了解决传统不加权算术平均组对方法(unweighted pair group method with arithmetic mean,简称UPG- MA)存在的'tie trees'问题,通过改进UPGMA,提出了不加权算术平均组群方法(unweighted multiple group method with arithmetic mean,简称UMGMA),从理论和应用上证明了UMGMA能产生唯一的进化树,并且在UPGMA树唯一时,UMGMA树和UPGMA树在不计分支次序时完全相同,解决了UPGMA树的唯一性问题.与UPGMA不同之处在于,UMGMA反复利用极大紧邻子树上的顶点把多个距离最近的种群进行合并,因此在UPGMA产生的二叉树不唯一时,UMGMA能产生一棵具有唯一拓扑结构的多叉树.通过适当选择大于0的容差参数,UMGMA还可以在不同的宏观层次上产生容差进化树,以突出物种较多时进化树的整体脉络.展开更多
文摘介绍产电微生物胞外电子传递(extracellular electron transfer,EET)研究的背景和意义,概述细胞色素c、菌毛蛋白、电子介体等多种分子在EET过程中的作用,综述近年来利用网络方法和组学方法研究产电微生物EET过程的相关工作。从蛋白网络、调控网络与整合网络等方面总结网络分析方法在关键电子传递分子识别、电子传递模块挖掘、电子传递途径推断等方面的应用;从基因组、转录组、蛋白组、多组学与宏组学等方面总结使用组学方法识别电子传递基因及其功能分析方面的研究;介绍整合生物网络与组学数据在产电微生物EET过程生物分子协调利用、关键基因与基因簇识别等方面的研究。探讨当前存在的问题,展望未来整合多种生物网络和组学数据开展产电微生物EET研究的方向。
文摘认知诊断评估的重要一环是构建符合约束(统计约束与非统计约束)的诊断测验。其中构建测验的认知诊断自动测验组卷(cognitive diagnosis automated test assembly,CD-ATA)方法十分关键,受到广泛关注。文章通过梳理有关CD-ATA的研究,从组卷方法的类别、开发思路、组卷过程、方法对比及选用进行阐述与评析。最后,在已有方法基础上指出未来可从融合测验设计、非参数组卷、平行测验组卷、开发组卷软件、开展实证研究五个方面进行研究与探讨。
文摘为了解决传统不加权算术平均组对方法(unweighted pair group method with arithmetic mean,简称UPG- MA)存在的'tie trees'问题,通过改进UPGMA,提出了不加权算术平均组群方法(unweighted multiple group method with arithmetic mean,简称UMGMA),从理论和应用上证明了UMGMA能产生唯一的进化树,并且在UPGMA树唯一时,UMGMA树和UPGMA树在不计分支次序时完全相同,解决了UPGMA树的唯一性问题.与UPGMA不同之处在于,UMGMA反复利用极大紧邻子树上的顶点把多个距离最近的种群进行合并,因此在UPGMA产生的二叉树不唯一时,UMGMA能产生一棵具有唯一拓扑结构的多叉树.通过适当选择大于0的容差参数,UMGMA还可以在不同的宏观层次上产生容差进化树,以突出物种较多时进化树的整体脉络.