基于NMF技术探寻早期AD基因表达调控网络

利用非负矩阵分解(NMF)技术,依据加强算法的稀疏性对患早期阿尔茨海默症(AD)样本的基因表达数据进行分析,提取对疾病早期诊断具有重要意义的显著基因,样本分类实验结果证明了算法的有效性.在此基础上,结合与炎症反应有重要关系的NF-κB等基因初步建立了与早期AD密切相关的基因表达调控网络结构图,为AD致病机理的探询、早期诊断与治疗等提供了有益的途径和方法.     

基于PCA的模糊C均值聚类算法识别AD候选致病基因

研究表明阿尔茨海默病(AD)的致病机理可能与基因有关.利用计算方法对AD基因表达数据进行挖掘,以获得AD候选致病基因,寻找治愈AD方法.结合生物信息理论应用基于主成分分析(PCA)方法的模糊C均值算法处理基因表达数据:观察到AD基因表达数据具有线性相关性后,先用PCA对数据降维,再利用一维分类方法对降维后的数据聚类,然后将结果提供给模糊C均值算法作为其初始聚类数目和聚类中心.通过算法,最终识别出9个AD候选致病基因.     

基于非负矩阵分解技术探寻早期阿尔茨海默症基因表达调控网络

本文利用非负矩阵分解(NMF)技术,依据加强算法的稀疏性对患早期阿尔茨海默 症(Alzheimer’s Disease,AD)样本的基因表达数据进行了分析,提取了对疾病早期诊断具有重 要意义的显著基因,样本分类实验结果证明了算法的有效性。在此基础上,结合与炎症反应 有重要关系的 NF-κB 等基因初步建立了与早期 AD 密切相关的基因表达调控网络结构图, 为 AD 致病机理的探询、早期诊断与治疗等提供了有益的途径和方法。     

阿尔茨海默症miRNA靶基因预测研究

为深入了解阿尔茨海默症的发病机制,利用匹配的基因表达数据和miRNA表达数据,对miRNA的靶基因进行预测分析.首先对选择出的差异表达miRNA进行靶基因预测;然后利用HCTarget算法验证预测的靶基因;最后对miRNA及其靶基因构建调控网络.调控网络中包含11个已确定的与AD有关的miRNA及6个AD致病基因.通过分析网络发现miRNA及其靶基因在正常与患病两种情况下的活性变化趋势,生物学分析也证实了它们在AD中的重要作用,为AD发病机制研究提供了依据.     

MR影像体素形态学的阿尔茨海默病自动分类方法

为了确定轻度认知功能障碍(MCI)与阿尔茨海默病(AD)患者发生萎缩的重要脑区,实现正常老年人(NC)对照组、MCI与AD三组人群的分类,选择了178名被试的脑部MR影像,利用体素形态学与方差分析方法,考察NC,MCI与AD三组人群的MR影像中灰质体积差异;然后,采用递归特征消去法对特征进行降维;最后,利用线性支持向量机对这3种人群进行分类.实验结果表明,MCI组与NC组、MCI组与AD组、AD组与NC组的平均分类准确率分别为(90.2±1.3)%,(74.7±0.9)%,100%.对分类产生重要影响的脑区包括海马、海马旁回、杏仁核、梭状回和嗅皮层等.所提方法不仅能有效揭示NC,MCI,AD三组人群的脑灰质差异,阐明MCI患者与AD患者脑区发生萎缩的过程与特性,而且能准确区分这3组人群,具有显著的临床应用价值.     

功能连接偏侧化在AD早期诊断中的应用研究

借助脑功能连接方法,研究AD的偏侧化现象,并将其用于AD的辅助诊断中。实验采用ADNI数据集,首先制作可用于偏侧化研究的脑膜板,接着构建半球功能脑网络,计算网络连接强度,并计算偏侧化指数。利用统计分析的方法,筛选可用于AD辅助诊断的特征,并使用SVM(support vector machine)分类器训练分类模型。结果显示,加入偏侧化特征后的分类准确率为89.17%,敏感度为90.28%,特异度为88.24%,证明偏侧化指数的加入对于AD的分类准确率有提高作用。     

基于炎症反应的阿尔茨海默症功能模块构建

整合阿尔茨海默症患者6个脑区的基因表达数据和蛋白质相互作用数据,较好地避免了基因表达数据高噪声、高变异等不足对构建基因调控网络精度和准确性的影响.考虑到脑部神经炎症是AD发病的重要原因之一,以及钙平衡失调可能是AD几个致病因素联系的纽带,结合蛋白质网络挖掘与AD发病密切相关的基因及炎症和钙离子功能网络,采用最大权重诱导子图(Heinz)算法实现两种高通量数据的结合并提取显著扰动子网,在此基础上利用基于边权的模拟退火算法预测和优化扰动网络,去除网络中较弱的相互作用,添加预测的较强的相互作用,提高网络的精度.实验共提取206个特征基因,并且提取了脑部炎症及钙离子作用机制的功能模块子网.结果证明,使用基于边权的模拟退火算法进一步加强了功能网络的模块性.经生物学分析证明炎症和钙离子机制在AD致病机制中起着很大的作用.这些数据在不同方面为系统地认识基因的复杂调控机制提供了必要的信息.     

基于可分性距离判据和脑MR图像的AD症脑部年龄检测

阿尔茨海默病(AD)症不同状态所对应的脑部年龄与实际年龄存在偏差,为了准确预测该偏差得到脑部年龄,在现有基于脑磁共振(MR)图像年龄检测方法的基础上,提出了一种新的脑部年龄检测算法.首先,设定偏差搜索范围;然后,基于可分性距离判据设计了适应度函数,利用偏差和支持向量回归机(SVR)获得样本年龄估计值,并计算出其适应度值;接着,通过最大化适应度值获取偏差的最优估计,从而获得更有利于AD症分类的脑部年龄.与现有的年龄检测方法相比,对于正常对照组(NC)与AD患者、NC与轻度认知障碍患者(MCI)以及MCI与AD患者3种分类情况,所提方法的可分度值分别提高了0.178,0.033,0.017.因此,所提方法检测的年龄具有更好的可分性,更有利于提高AD症的分类准确率.     

T检验识别阿尔茨海默病候选致病基因及基因生物分析

医学研究表明阿尔茨海默病(AD)的致病机制与基因有关,过高或过低的基因表达水平异常都会让人体失去平衡,产生病变.利用T检验法对基因芯片公共数据库GEO中的4种AD样本的基因芯片数据进行分析,提取出具有重要意义的显著差异表达基因,再通过这些差异基因的生物信息学分析其在AD发病机制中的作用,为AD致病机制的探询、预防、早期诊断与治疗等提供有益的途径和方法.通过该算法的筛选、结合AD发病机制的假说及基因生物学分析,最终识别出30个AD候选致病基因,其中有5个已经被确定为与AD有关,10个被AD致病基因筛选算法识别.     

阿尔茨海默症靶基因及其药物的预测研究

阿尔茨海默症(AD)是一种起病隐匿的进行性发展的神经系统退行性疾病.目前用于治疗AD的药物主要改善患者的认知功能,延缓疾病的进展.目前,这类药物的研制和开发方兴未艾,新药层出不穷.遗憾的是,几乎所有的药物都未能使患者广泛受益.本文一方面从现有用于治疗AD的药物出发,利用DrugBank数据库挖掘AD的靶基因,通过使用DAVID、GenePANDA等数据资源和生物工具,预测得到30个用于治疗AD的靶基因或与AD直接相关的基因,如目前未被充分研究的AD靶基因GPER1、SSTR4、GALR2等.另一方面,基于预测靶基因方法,通过DrugBank数据库预测的可潜在用于AD治疗的药物,如神经类治疗药物中的阿米替林、奥氮平、氯氮平、阿莫沙平、α-氨基异丁酸和组胺6种药物,在非神经类治疗药物中有地塞米松、吲哚美辛、舒林酸和酮洛芬4种药物.     

基于大脑不同区域的阿尔茨海默症基因表达数据分析

提出了采用Tukey双权函数作为FastICA(Fast Independent Component Analysis)方法的非线性函数,对阿尔茨海默症(Alzheimer’s disease, AD)多个脑区域基因表达数据进行显著基因提取,揭示其基因表达调控关系.针对传统聚类方法基于全局聚类且只能将某个基因聚类到某一类的缺陷,改进的FastICA方法能够对基因表达数据进行快速有效的双向聚类,能够满足同一个基因可能参与不同信号传导通路的生物特性.同时考虑到人脑中海马区、内嗅皮质区、颞中回及视觉皮层区均与学习与记忆功能密切相关,将算法对多个脑区域进行基因表达调控综合分析.结果表明,大量炎症反应是AD致病的重要因素之一.     

基于ICA和BP神经网络的人耳图像识别

提出了一种独立分量分析和BP神经网络相结合的人耳识别新方法(ICABP法).首先采用快速独立分量分析方法提取人耳图像的独立基图像和投影向量,然后采用改进的三层BP神经网络进行分类识别.该方法将ICA的空间局部特征提取功能和BP神经网络的自适应功能有机地结合起来,增强了系统的鲁棒性.实验表明,ICABP法取得了很高的识别率.     

基于小波包和独立分量分析的微弱多源故障声发射信号分离

针对旋转机械设备中同时存在的裂纹、摩擦等多故障源信号难以检测和分离的问题,提出了一种基于小波包分析(WPA)与独立分量分析(ICA)的多源故障信号提取方法,即首先用WPA对含噪线性混合信号降噪预处理,由db2小波基函数进行5层分解后保留62.5~187.5kHz频段信号,然后采用ICA中的FastICA算法对降噪后的混合信号分离,最后对各通道分离出的信号用收缩函数进行频段内去噪处理.对不同输入信噪比的含噪微弱裂纹和摩擦信号进行提取和分析的结果表明,该方法能有效提取出输入信噪比大于-15dB的裂纹和摩擦信号.当混合信号信噪比为-15dB时,裂纹和摩擦信号的输出信噪比分别为-1.31和-1.36dB,相关系数分别为0.62和0.63,提取效果好于结合小波包和FastICA分离方法(信噪比分别为-1.74和-2.06dB,相关系数分别为0.59和0.59)以及单独采用FastICA算法(信噪比分别为-4.57和-4.31dB,相关系数分别为0.17和0.19).因此,所提出的综合WPA和ICA的方法是一种较好的多源微弱信号提取方法.     

基于改进 FastICA 的冲击波工频干扰消除算法

在火炮冲击波信号测试领域中, 为解决陷波算法消除工频干扰损失有效信号成分的问题, 提出了一种改 进的 FastICA 算法消除工频干扰。 采用五阶收敛的牛顿迭代形式改进基于负熵的 FastICA 算法, 使其不仅具备 负熵算法的高精准度, 而且收敛速度快, 迭代次数少。 仿真结果表明, 该算法的相似系数和信噪比达到 0. 999 99和 45 dB, 较传统陷波算法的 0. 996 和 21 dB 有明显的优势。 相比于基于负熵的 FastICA 算法, 改进算 法与其精准度相同, 但迭代次数减少了 26. 7%; 与收敛速度较快的峭度算法相比, 改进算法迭代次数更少, 收 敛速度更快, 稳定性更高。 该算法具备精准度高、 收敛速度快和迭代次数少等优势, 因此适用于实时处理冲击 波的测试场合。     

fMRI信号盲分离的一种独立成分分析算法

建立了独立成分分析(independentcomponentanalysis,ICA)的一个优化模型,在此基础上,给出了一个新的梯度算法,称之为Orth-ExtBS算法.该算法结合了ExtBS算法和FastICA算法,兼顾两者的优点,形式简单,易于应用,能有效地盲分离具有超高斯和亚高斯分布源的混合信号,获得更准确的分离效果和较快的收敛速度.将新的算法与其他两个算法(FastICA和ExtBS)分别应用到大型fMRI数据中,通过比较发现,新算法在估计激活的时间动力学准确性上要优于其他两个算法.     

基于FastICA的高压直流输电线路故障测距方法

提出了采用快速独立分量分析(FastICA)的高压直流输电线路(HVDC)单端行波故障测距方法。利用FastICA算法对故障后的直流输电线路电流信号进行处理,分离出电流行波特征信号,检测初始行波波头与第二个行波波头到达测量点的时间,并判断这两个波头的极性关系,实现了故障测距。应用Matlab软件,建立了HVDC系统模型,对多种故障类型进行了故障测距仿真。结果表明,该方法可准确区分中点内外故障,正确有效。     

基于FastICA的语音盲源分离方法

独立分量分析（ICA）在处理盲信号分离中被广泛使用,但其收敛速度较慢.为此文章重点介绍了一种更为有效的盲源分离方法——快速独立分量分析(FastICA).文章在介绍了FastICA的基本理论和方法之后,将其应用到语音分离中.在采集了三个实际的声音信号后,将三个原始信号进行混叠,在matlab仿真环境下用FastICA方法对混叠信号进行分离,将分离结果与原始信号波形进行比对,结果说明该算法具有良好的分离效果.