一种基于特征向量中心性的基因调控网络结构推测算法

提出了一种基于特征向量中心性推断基因调控网络结构的算法,通过特征向量中心性挖掘基因在网络中的拓扑信息,结合基因对之间的相关性和拓扑信息构建完整的基因调控网络.算法在n个变量和n个样本的DREAM数据集以及包含9个变量和9个样本的大肠杆菌数据集上进行仿真测试,并与现有的基于距离相关性和网络拓扑中性的3种最先进的网络推理算法进行了比较,算法结果显示该方法能够提高基因调控网络结构的预测精度.     

基于结构深度网络嵌入方法的微生物-疾病关联关系预测

了解微生物-疾病关联不仅可以揭示疾病的发病机理,而且可以促进疾病的诊断和预后。提出一种基于结构深度网络嵌入的方法(NEMDA)来识别潜在的微生物-疾病关联。首先,通过整合人类微生物-疾病关联数据库(human microbe-disease association database, HMDAD)和Disbiome数据库,扩大微生物和疾病的数量以及已知的微生物-疾病关联关系。接着,将结构深度网络嵌入用于提取微生物-疾病二分网络的特征,并且引入微生物功能相似性、微生物相互作用谱相似性和疾病语义相似性、基于症状的疾病相似性,分别作为微生物和疾病的生物学特征。然后,将这3个特征结合构成微生物-疾病对的特征,并使用深度神经网络模型进行预测。最后,通过五折交叉验证和案例分析来评估NEMDA的性能,在五折交叉验证下,NEMDA表现良好,预测性能高于KATZMDA、NCPHMDA、LRLSHMDA、 PBHMDA、NTSHMDA和BRWMDA 6种比较方法。哮喘、炎症性肠病和结直肠癌的案例分析结果进一步表明,NEMDA预测性能良好,其是一个有效的预测微生物-疾病关联的工具。     

基于双层生物分子网络的致病基因预测

基于“致病基因邻居倾向于引起相似疾病”和“必需基因和致病基因关联较少”的假设,融合蛋白质相互作用和代谢通路,构建双层生物分子网络,提出一种基于双层生物分子网络双流量网络传播的致病基因排序方法。为致病基因和必需基因分配正流量和负流量,挖掘与已知致病基因相似的潜在致病基因。实验结果表明,本方法与基于经典假设的单层网络方法相比,在富集分数1和富集分数2分别提高11.66和13.66。     

带权疾病网络上的潜在共病关系预测

网络分析法将潜在的共病关系预测转化为复杂网络上的链路预测问题,而现有的基于相似性度量的链路预测方法大多仅单一地考虑某一方面的网络特征,大大影响了预测的准确性.使用3个不同来源的真实医疗数据集分别构建了相应的带权疾病网络,并通过对不同网络结构差异性的比较,分析了现有的网络相似性度量指标的局限性.在此基础上,提出了一种新的基于有监督分类的链路预测方法,综合多种局部和全局相似性指标作为输入特征向量,更为精确地评估节点间的相似性,从而实现潜在共病关系的有效预测.实验结果表明,该方法能有效提高共病网络中链路预测的准确性,并且对于不同共病网络和分类算法均具有较好的稳定性和适用性.     

基于布谷鸟优化算法的全基因组关联分析

利用贝叶斯网络描述单核苷酸多态性(SNP)与疾病之间的关系,以SNP与疾病之间的贝叶斯评分作为评价SNP与疾病关联度的目标函数,在全基因数据中通过布谷鸟优化算法对SNP与疾病之间的关联进行启发式搜索来寻找致病SNP;通过布谷鸟算法寻找致病SNP可以在保留SNP与疾病相关信息的同时,又能在全基因组数据中高效准确地找出致病SNP。实验结果表明:与已有方法相比,本文基于布谷鸟优化算法的全基因组关联分析方法具有更好的检测SNP与疾病之间关联的能力。     

区域网络拓扑自动发现算法的实现

网络拓扑自动发现的方法多种多样,其中基于SNMP协议拓扑发现方法是最适合区域网络的拓扑发现方法。通过使用MIB组,对网络层对象的发现,采用图的广度优先搜索节点来绘制网络拓扑图,从而实现区域网络拓扑自动发现。     

结合多组学和人类蛋白互作网络研究急性髓细胞白血病中的突变基因互作子网络

急性髓细胞白血病(AML)是一类由血液中白细胞恶性增殖引起的恶性疾病,很多与AML致病性相关的基因突变还没有被阐明,使用基于多组学整合分析的方法可以有效地揭示AML中基因突变与疾病间的相互关系.通过使用来源于癌症和肿瘤基因图谱(TCGA)计划中AML病人的1 450个体细胞突变基因数据和这些基因的RNA表达量数据,结合人类蛋白互作网络,构建了在AML中的基因子网络.发现的基因子网络中包含21个突变基因,KEGG代谢通路和GO富集分析结果表明,趋化因子信号通路和染色体结构相关基因在AML的致病性中具有重要作用;并且,基因子网络可以反映AML中突变基因间的相互作用关系,可以加强对AML致病机理认识.在基因子网络中,部分基因已经被证明与AML相关,如NPM1,KDM1A和NRAS等,但部分基因还需要进一步探索,如CBX7,GNAI2和COPS2等.对这些基因的深入研究可以加强对疾病致病机理的认识.最后提供了整合多组学数据研究疾病的框架,并且该框架可以应用于其他疾病或机制的研究中.     

云环境下基于贝叶斯网络的用户操作文档的行为预测

通过收集、整理、分析云环境下用户操作文档行为的记录,建立用户操作文档行为模型,使用贝叶斯网络结构学习算法推理计算出文档操作的潜在风险系数。实验结果表明,贝叶斯网络能够有效地预测用户操作文档的风险,为云环境中文档的安全提供了一种预警机制,提高了文档的安全性。     

基于语义行为和社交关联的好友推荐模型

现今社交媒体是建立社交联系的重要媒介,好友推荐对于扩展人们的关系网络起到至关重要的作用,准确的用户特征提取和分析是社交网络中好友推荐的关键.传统的好友推荐方法一般都是根据部分用户属性信息或行为信息进行推荐,所以对用户特征的描述不完整,推荐的效率和准确率远非预期.提出基于用户语义行为和社交关联的推荐模型应用于社交媒体平台上的好友推荐.为了获得准确的预测,使用LDA(Latent Dirichlet Allocation)对语义信息进行主题建模,得到基于主题的用户语义行为特征表达;使用DeepWalk算法对用户社交关联网络图进行特征提取,得到准确的社交关联特征表达;使用反向传播神经网络来预测用户潜在的社交关联,为用户精准推荐好友.该模型实现了利用用户语义行为和社交关联预测用户潜在的社交关联,可以根据潜在社交关联进行精准的好友推荐.     

面向MANETs按需路由协议的黑洞攻击解析改进模型

传统移动Ad Hoc网络(mobile Ad Hoc network,MANETs)黑洞攻击解析模型存在网络拓扑结构固定、网络传输性能预测精确度低的问题.针对使用按需路由协议的MANETs网络,提出一种基于随机拓扑近似技术的黑洞攻击解析改进模型(improved black hole attack analytical model,IBAAM).IBAAM协议使用随机模型代替传统解析模型使用的n元2立方体模型,并将网络结构扩展至随机拓扑结构,使用最短跳距离概率描述表示网络拓扑结构的随机拓扑信息,再使用K均值聚类法实现跳距离文件配置以求解任意拓扑结构下的攻击概率问题,从而在不利用任何实际拓扑先验信息条件下有效预测MANETs网络平均丢包数目.IBAAM实验结果表明,在多种不同固定Ad Hoc拓扑结构下,IBAAM的网络丢包预测精确度在仿真结果的95%置信区间内,能够有效预测网络传输性能.     

基于频率值传播的药物副作用发生频率预测方法

确定药物副作用发生频率是药物风险-效益评估的关键问题.随机对照临床试验方法性能有限且成本昂贵.随着药物临床试验数据的增加,基于数据驱动计算方法研究药物-副作用关系成为可能.文章提出一种基于药物-副作用协同传播模型的药物副作用发生频率预测方法.该方法基于已知的药物副作用发生频率信息构建相似网络,基于已知频率信息在网络中高阶协同传播过程预测药物副作用发生频率.此外,提出一种基于邻域学习的相似网络构建方法,进一步提升模型预测性能.在SIDER 4.1和ADReCS 3.1中获得的真实的药物-副作用频率数据集上进行实验,相较于现有最优方法,提出的方法在均方根误差和平均绝对误差指标上分别下降了6.98%、7.23%.     

非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。     

A Novel Method of Gene Regulatory Network Structure Inference from Gene Knock-Out Expression Data

Inferring Gene Regulatory Networks(GRNs) structure from gene expression data has been a challenging problem in systems biology. It is critical to identify complicated regulatory relationships among genes for understanding regulatory mechanisms in cells. Various methods based on information theory have been developed to infer GRNs. However, these methods introduce many redundant regulatory relationships in the network inference process due to external noise in the original data, topology sparseness in the network structure, and non-linear dependency among genes. Especially as the network size increases, the performance of these methods decreases dramatically. In this paper, a novel network structure inference method named Loc-PCA-CMI is proposed that first identifies local overlapped gene clusters, and then infers the local network structure for each cluster by a Path Consistency Algorithm based on Conditional Mutual Information(PCA-CMI). The final structure of the GRN is denoted as dependence among genes by an ensemble of the obtained local network structures. Loc-PCA-CMI was evaluated on DREAM3 knock-out datasets, and its performance was compared to other information theorybased network inference methods including ARACNE, MRNET, PCA-CMI, and PCA-PMI. Experimental results demonstrate our novel method Loc-PCA-CMI outperforms the other four methods in DREAM3 datasets especially in size 50 and 100 networks.     

基于智能电表数据的配电网络拓扑修正

在现代的智能电网系统中,一个优秀的配电网络,不仅要能稳定高效地为千家万户传输电力,而且还要能获得清晰的拓扑网络关系,这对整个电网的研究有着重要的作用。对于网络拓扑的研究,通常采用的是传统的树搜索法等算法进行拓扑关系辨识,但是这些方法的辨识效果不高。随着智能电表地普及与应用,对配电网络的辨识提供了一种有效的方法。为了得到更加精确的拓扑关系,提出一种基于智能电表数据的配电网络拓扑的修正方法,相比之下有更高的辨识效果。     

无人机自组网中改进型反应-贪婪-反应路由协议

无人机自组网具有网络拓扑变化剧烈,链路断开频繁等特点.反应-贪婪-反应(reactive-greedy-reac-tive,RGR)路由协议是针对无人机自组网而提出的改进型协议,在高动态环境下具有较好的网络性能.针对RGR协议具有网络开销大、易出现网络拥塞等问题,提出了一种基于负载均衡和高贪婪地理转发成功概率的改进RGR路由协议.该协议在RGR协议的基础上,提出基于节点负载状态和地理位置信息辅助的受限洪泛机制、GGF模式下高分组成功传输概率的路径选择策略和基于节点负载预测和运动特征的分组转发策略3项关键改进措施.仿真结果表明,相较于AODV和RGR及其改进型协议,该协议提高了分组投递率,降低了网络的控制开销和平均端到端时延,提升了网络应对拓扑高度动态变化的能力,有效改善了网络性能.     

利用位点信息分析遗传疾病与基因的关联性

人体的许多遗传疾病都与其基因包含的多个位点(SNPs)相关联。因此定位与遗传疾病相关联基因在染色体中的位置,能帮助研究人员了解疾病的遗传机理,预防某些遗传病的发生。利用全基因组关联分析方法,对两类样本(患病,未患病)各个位点上的碱基进行卡方检验,找出某种遗传病最有可能的致病位点,定位其所在的致病基因。利用连锁不平衡系数,得出最可能相关的致病基因,并通过聚类算法检验结论的合理性。     

基于演化博弈和网络拓扑结构的改进SIR模型——以疫情舆情分析为例

传统SIR模型的初始参数是随机设定的,同时状态转换之间没有考虑实际网络拓扑结构,导致传播收敛效果与实际不一致.为了解决该问题,本文提出一种基于演化博弈和网络拓扑结构改进的SIR模型.改进的模型首先通过演化博弈方法确定影响因子,接着根据影响因子确定好SIR模型的初始感染率参数,然后根据网络拓扑结构调整状态之间的转换概率....     

改进的递归神经网络在网络安全态势监测中的应用

随着网络规模的扩大,组网方式多样化,网络拓扑架构变得更加复杂,网络中的数据流量大规模迅速上升,导致网络负载增大,网络受到的攻击、故障等突发性安全事件更加严峻.该文利用神经网络处理非线性、复杂性等优势,基于改进的递归神经网络预测网络安全态势,实验结果证明该方法运行效率较高,运行结果与实际值相比,误差较低,精确性较高.     

一种基于改进CBR模型的LF钢水温度预测方法

In the prediction of the end-point molten steel temperature of the ladle furnace, the influence of some factors is nonlinear. The prediction accuracy will be affected by directly inputting these nonlinear factors into the data-driven model. To solve this problem, an improved case-based reasoning model based on heat transfer calculation (CBR-HTC) was established through the nonlinear processing of these factors with software Ansys. The results showed that the CBR-HTC model improves the prediction accuracy of end-point molten steel temperature by 5.33% and 7.00% compared with the original CBR model and 6.66% and 5.33% compared with the back propagation neural network (BPNN) model in the ranges of [?3, 3] and [?7, 7], respectively. It was found that the mean absolute error (MAE) and root-mean-square error (RMSE) values of the CBR-HTC model are also lower. It was verified that the prediction accuracy of the data-driven model can be improved by combining the mechanism model with the data-driven model.     

基于改进TADW的链路预测算法

针对经典的节点相似性链路预测算法只考虑网络拓扑结构或者节点属性信息的问题,使用词嵌入模型Word2vec学习得到节点文本属性信息的表示,进而改进TADW(text-associated deep walk)算法,弥补其语义信息表示能力的不足.基于改进的TADW图嵌入方法提出一种融合网络拓扑结构和节点属性信息的相似性指标,并基于此相似性指标提出链路预测算法.在三个真实数据集上的实验结果表明所提出算法可以提高预测精度,并具有更好的鲁棒性,同时使用图嵌入的方法有效解决了网络数据的稀疏性问题.