干细胞移植患者白消安暴露量的估算模型研究

目的采用有限采样法建立接受自体造血干细胞移植(autologous stem cell transplantation,ASCT)的淋巴瘤患者体内白消安暴露量-药时曲线下面积(area under the concentration-time curve,AUC)的估算模型。方法选取12名适合接受ASCT的淋巴瘤患者,采用含白消安105 mg·m^(-2),静脉滴注3 h的预处理方案,分别于白消安第1剂输注开始后1 h,输注结束后5 min,1、2、4、6、18 h采集血样,采用液质联用法进行白消安血药浓度测定。采用传统药动学方法计算白消安的临床药动学参数后,采用多元线性逐步回归分析法,建立有限采样法的白消安的AUC 0-t估算模型。以Jackknife法和Bootstrap法进行模型内部验证,采用Bland-Altman图评价经典药动学方法与有限采样法的一致性。结果采取有限采样法得出以AUC对C 60min、C 180min、C 300min进行多元线性回归的方程分析,方程的线性关系和预测效果最好,为AUC 0-t=295.003C 60min+233.050C 180min+273.163C 300min-1202.713,其中r 2为0.995,平均预测误差为-0.87%,均方根误差为2.40%。结论采用三点法估算的有限采样法模型,可以用于接受ASCT的淋巴瘤患者体内白消安AUC 0-t的估算,为临床合理应用白消安提供参考。

数据稀缺条件下水文频率分布模拟及应用

传统水文频率分析往往需要大量样本以保证分布的拟合效果,而我国仍有部分站点水文数据记录较少,因此本文提出小样本算法:将Jackknife方法、Bootstrap方法与水文频率分析中传统参数估计方法相结合,得到新的参数估计值,以增强传统水文频率分布的拟合效果.为验证小样本算法的优越性,以泾河流域为例,将8个站点的年最大日降水量作为原样本,利用小样本算法对不同样本量的样本进行多次再抽样,将多组再抽样样本分别进行分布的拟合,得到小样本算法的参数估计值,并通过Kolmogorov-Smirnov检验和RMSE检验结果,验证小样本算法对传统参数估计方法的改进效果.结果表明:1)在小样本情况下,该算法明显优于传统方法的拟合效果,尤其部分站点的Bootstrap方法,使用较少样本量时达到了使用较多样本量的拟合效果;2)随着样本量的减少,某些站点的传统方法所求分布不能通过检验,而小样本算法可以得到较好的结果.

可变权重的变系数分位数回归模型平均

为了提高模型平均估计量的预测精度,基于分位数回归提出了可变权重的变系数分位数回归模型平均估计量的求取方法。首先,利用分位数回归函数计算出变系数回归函数的Jackknife估计量;接着,将得到的估计量代入分位数回归模型中得到第m个模型下解释变量的条件分位数的Jackknife估计值;最后,通过最小化局部Jackknife准则来取得权重估计量。数值模拟显示,所提估计量比传统的均值回归估计量更加稳健,同时所提可变权重估计量的预测精度也明显优于固定权重估计量的预测精度。最后,利用Boston房价信息进行实证分析,实证结果也进一步证明了所提估计量的优良性。数值模拟和实际数据分析证明了该方法具有更高的预测精度。

2017年9月23日朝鲜M_L3.4地震矩张量反演

利用区域地震台网数字波形资料,对2017年9月23日朝鲜M_L3.4地震进行地震矩张量反演计算与参数稳定性评估,获得了此次地震的震源机制解.结果表明,地震矩心深度为3km,标量地震矩为1.34×10^(14) N·m,矩震级为M_W3.4.地震矩张量结果分解后,双力偶分量(DC)为96.4%,补偿线性矢量偶极分量(CLVD)为-0.8%,震源体体积变化的各向同性分量(ISO)为-2.8%.主压应力P轴方位角为144°,倾角为74°,主张应力T轴方位角为341°,倾角为15°.其中一个节面的参数为:走向248°,倾向60°,滑动角-94°.地震震源体积变化分量很小,震源机制类型属于典型的由断层剪切位错引起的正断层型地震事件,且主张应力T轴方向与区域近地表应变率场方向一致.由于朝鲜2017年9月3日核试验释放的能量对局部区域应力场进行了扰动,致使核试验场附近地壳岩体处于破裂的临界状态,2017年9月23日朝鲜M_L3.4地震事件可能是区域应力场作用下的一次山体滑动事件.

基于三阶段DEA的环保行业上市公司效率评价

环保行业是推动我国经济可持续发展的重要保证。本文基于18家环保行业上市公司的资产负债表和利润表,得到11家企业在生产前沿面上。为了更细致地对每一家有效率的企业进行分析,本文将拟合结果进行了稳健性检验,并尝试构建虚拟最优决策单元,引入三阶段DEA模型进行效率评价。结果表明,碧水源、桑德环境和铁汉生态的效率值最高,而凯美特气的效率值在11家有效率的企业中为最低。此外,针对各企业的评价结果,本文还给出了相应的政策建议。

朱砂叶螨在桑品种育71-1上的实验种群生命参数研究

应用Jackknife技术,研究了朱砂叶螨在桑树品种育71-1上的种群动态,并用Weibull模型对种群存活特征进行了分析。结果表明:在(26±1)℃,RH85%,L∶D=16∶8的光照条件下,朱砂叶螨内禀增长率为0.3442±0.0041,净增殖率为40.5015±2.5840,周限增长率为1.4108±0.0058,世代平均周期为10.7598±0.1182,种群倍增时间为2.0135±0.0241,存活率曲线表现为DeeveyⅠ型。

胺类化合物Kováts指数的拓扑研究

一种新的连接性指数被定义为 :mQ =∑ (ti·tj·tk·… ) -0 5,其中的0 Q ,3 Q与 2 2种胺类化合物在 3种固定相(OV 10 1,OV 2 2 5和NGA)下的Kov偄ｔｓ指数 (I)显著相关。它们的线性方程如下 :IOV 10 1=118 34 1+197 85 4×0 Q +4 48 773×3 Q ,r=0 9733;IOV 2 2 5=2 49 2 18+1815 76 0×3 Q +34 3 2 2 2×1Q ,r =0 9746 ;INGA=382 196 +2 0 0 4 2 77×3 Q +318 416×1Q ,r =0 9734。这些模型较好地解释了胺类化合物Kov偄ｔｓ指数的递变规律 。

基于神经网络的蛋白质三级结构预测

在伪氨基酸组成中加入与序列相关的影响因子能够提高蛋白质三级结构预测的准确率。将伪氨基酸组成的特征作为神经网络的输入,建立分类预测模型。选用粒子群优化算法对神经网络的参数进行优化。分类方法采用一对多的二分类方法。数据集选用Chou提出的204条蛋白质。实验结果使用Jackknife交叉验证,表明该方法能提高预测准确率。

应用Jackknife技术统计昆虫生命表参数变异的VFP实现

研究昆虫种群的动态,掌握种群增长的潜力是非常重要的。应用生殖力生命表可进行种群增长动态的估计,常用5个主要参数来描述净增殖率、内禀增长率、世代平均周期、种群倍增时间和周限增长率,Jackknife技术可以用来估计内禀增长率等参数的变异程度,利用VFP编程实现了生命表参数变异程度的计算。

基于距离矩阵灰度图的蛋白质二级结构类型预测

蛋白质二级结构预测在蛋白质结构预测中具有很重要的作用。基于伪氨基酸成分表示蛋白质的方法,能提高蛋白质结构和功能预测的成功率,利用蛋白质距离矩阵灰度图,基于几何矩提出了一种伪氨基酸构造方法,结合氨基酸的成分对蛋白质二级结构类型进行预测,通过国际公认的Jackknife检验方法显示预测成功率达到95.10%,比其他方法高出许多,说明此方法具有有效的分类效果。

公司治理对财务困境影响的分析

文章检验了公司治理因素对中国上市公司财务困境的解释力与预测力。实证结果显示大股东持股比例、国家股比例及独立董事的比例与公司发生财务困境的可能性呈显著负相关,违规行为和管理者代理成本与公司财务困境的危险性呈显著正相关。但是,股权制衡度、国家控股地位、高管持股比例、董事会规模和CEO的两职合一对困境发生概率无显著影响。

关于分层线性模型样本容量问题的研究

文章运用Jackknife和Bootstrap的方法,对参数估计的方差进行改进,构造了合适的参数估计的置信区间。通过样本组数和组内个体数的变化,利用数据模拟的方法进行研究,表明参数估计的可靠性很大程度上依赖于组数;对于固定效应参数,组数取30就可以得到可靠的估计值。对于σ和方差协方差成分T,组数分别取50和70才能得到可靠的估计。

利用多重抽样估计稀有物种的种类数

利用矩估计和二个稳健估计方法(jackknife估计,bootstrap估计)来处理野外生态学工作者的调查数据,在假定已经发现一些稀有物种的情形下,通过统计推断得到那些未被发现的物种的种类数.利用本文所提出的方法调查水稻田的昆虫群落和林地的地面植被群落的稀有种是十分有效的.

偏最小二乘建模在R软件中的实现及实证分析

通过介绍偏最小二乘(PLS)的建模和显著性检验原理,解决了小样本多变量且变量间存在多重共线性的回归问题,建立了多变量对多变量的回归模型,并使用R软件(版本为R i386 2.15.1)实现了PLS建模;最后基于葡萄和葡萄酒理化指标数据进行了实证分析.

元胞自动机图的蛋白质二级结构类型预测

蛋白质结构预测是后基因组时代的一项重要任务,蛋白质二级结构预测是蛋白质结构预测的关键步骤。利用氨基酸数字编码模型生成蛋白质序列的元胞自动机图(Cellular Automata Image,CAI),提出了一种基于灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)提取纹理图像特征的方法。用扩大的协方差算法进行预测,仿真结果显示有较好的分类效果,Jackknife检验的预测成功率达到94.61%。

丰驰桑对朱砂叶螨抗性的研究

应用Jackknife技术,研究了朱砂叶螨在丰驰桑和湖桑32号上的种群动态,朱砂叶螨在丰驰桑上的内禀增长率(mean±SE,n=30)为0.2244±0.0074,中位生存时间为18.0d,在湖桑32号上的内禀增长率为0.2644±0.0045,中位生存时间为20.8d,内禀增长率和生存曲线差异显著。结果表明可用内禀增长率来作为品种抗性的评价指标,对害虫的综合治理有重要的现实意义。

基于离散增量和协变判别函数识别蛋白质亚核定位

利用离散增量结合协变判别函数,选取氨基酸组份和N端氨基酸二肽组份为信息参数,对蛋白质亚核定位进行预测.在序列相似性小于等于25%时,406个单定位亚核蛋白Jackknife检验总预测成功率为75.9%,相关系数CC为0.644,把多定位亚核蛋白作为独立测试集,92个多定位亚核蛋白总预测成功率为78.3%.在序列相似性小于等于65%时,504个单定位亚核蛋白Jackknife检验总预测成功率为75.6%,相关系数CC为0.643,92个多定位亚核蛋白总预测成功率为80.4%.与Lei等人利用Lei-SVM方法对该数据库预测结果相比,单定位亚核蛋白总预测成功率比Lei等人高9.1%,CC值比Lei等人高0.124,多定位亚核蛋白总预测成功率比Lei等人高15.2%.

Jackknife估计及其应用浅探

介绍Jackknife估计基本方法及其优越性 .

基于蛋白质哈斯矩阵图的分泌蛋白预测

因为研究分泌蛋白质有助于找到直接与特定生理或病理状态相关的生物分子,判断一条未知蛋白是否为分泌蛋白是非常重要的。基于同一类型蛋白质的哈斯矩阵图具有相似图像纹理假设,提取图像的几何矩作为伪氨基酸成分对未知蛋白质序列是否属于分泌蛋白进行预测,采用Jackknife算法进行测试,预测成功率与现有算法相比有很大的提高。

新的比型插补与比插补效率的比较

文章将Jackknife方法应用到新提出的比型插补方法中,得到了它们在简单随机不放回抽样下对应的Jackknife方差。通过蒙特卡罗模拟,比较比插补和比型插补方法的Jackknife方差。得出结论:Jackknife方法可以极大地提高插补的效率;新提出的三种插补与比插补有近似的精度。