基于XML的生物信息平台构架

数据结构、信息提取过程的不统一、数据集成和标准化工作的不力是目前阻碍生物信息学发展的一个重要问题．本文提出了一种基于XML的生物信息平台构架方案．     

一种基于加权kappa增益的有序分类的选择性集成算法

选择性集成方法预测速度快,所需存储空间小,泛化能力强。有序分类方法在解决分级决策,竞标决策等问题上是一种行之有效的方法,针对有序分类选择集成问题定义了加权kappa增益,充分考虑标签之间序差距与集成机制,并用来对bagging生成的有序基学习机进行选择性集成。提出的基于加权kappa增益的选择集成方法与bagging随机集成,不加权kappa选择集成和reduce-error选择集成在四组人造数据集和六组真实数据集进行比较,结果表明该方法的测试误差在集成很少数目的基学习机时就达到最小值,且在三组人造数据集和五组真实数据集上获得最小的测试误差,较bagging方法,不加权kappa方法,reduce-error方法误差分别最大程度降低了7.54%,1.68%,1.10%。     

基于本体和树形结构的语义信息集成研究

语义信息集成是目前屏蔽数据之间半结构性、异构性和分布性的主要方法,其目的是为用户提供最大范围的精确数据。以解决信息集成中的语义冲突为目的,采用本体描述全局数据概念、树型结构描述局部数据概念,在此基础上,给出数据的逻辑定义方法,利用相似度计算匹配值来实现数据在语义集成中的匹配,并描述了语义信息集成中的映射算法。最后,给出了实验数据和算法执行结果,验证了此方法的正确性。     

基于本体和树形结构的语义信息集成方法

语义信息集成是目前屏蔽数据之间半结构性、异构性和分布性的主要方法,其目的是为用户提供最大范围的精确数据。以解决信息集成中的语义冲突为目的,采用本体描述全局数据概念、树型结构描述局部数据概念。在此基础上,给出数据的逻辑定义方法,利用相似度计算匹配值来实现数据在语义集成中的匹配,并描述了语义信息集成中的映射算法。最后给出了实验数据和此方法执行结果,验证了此方法的正确性。     

信息系统集成与数据集成策略

围绕信息系统集成的核心问题——数据集成展开研究,分析和阐述了信息系统集成和数据集成的基本概念,信息系统集成与数据集成的关系,详细介绍了数据集成的模型分类及数据集成的主要难点——数据源的异构性及异构数据源之间数据转换的方法。最后,对数据集成的研究与应用前景进行了展望。     

设计BOM与CAD系统间信息集成的应用研究

为了提高MES系统与CAD系统间信息集成,实现系统间信息的共享和信息的及时反馈,研究了设计BOM的数据自动生成、存储方式以及搜索算法,提出了设计BOM与CAD系统之间的信息集成方法,并给出数据一致性维护的更新算法,实现了两者信息之间的双向互动,保证了数据的一致性和共享性.     

物质系统演化的有序原理初探

物质系统的演化，包括基本粒子和化学元素的形成、化学元素的组合、生命的起源、生物的进化，已构成连续有序的统一体．物质系统演化的有序性分为结构有序和功能有序；演化总是朝着能量耗散减小的方向发展；动力学方程能有效地描述物质系统演化方向；涨落是系统形成新的有序态的条件，系统内要素之间的非线性作用和系统的开放性是有序态形成的基础．生物跳跃式进化是物质系统从低级有序向高级有序演化的突出例证．     

神经网络紧凑集成模式

在分析现有神经网络集成构造过程的基础上，提出了一种神经网络紧凑集成模式，集成中成员网络的训练和网络组合权重的优化在同一个学习过程中进行，各参数的调整以提高集成泛化性能为目的．与现有神经网络集成模式相比，集成构造过程更加紧凑，它将个体网络生成阶段与结论合成阶段合二为一，并且网络之间的信息交互建立在实时动态的集成结构基础上，保证了成员网络训练与结论合成之间信息传递的始终一致性．为验证该模式的有效性及优越性，采用4种典型的分类数据集对神经网络紧凑集成模式与CNNE、Bagging、Boosting等现有的集成模式在泛化性能上进行了比较，结果表明神经网络集成模式在测试数据集上的错误率降低了8％～16％．     

CIMS工程中软件集成的设计

研究了基于PDM进行CAD、CAPP、CAM和工程技术信息的集成 ,以及与MRPⅡ管理信息的集成 ,以形成企业CIMS系统 介绍了CIMS系统的总体结构 ,描述了各个子系统之间的关系和数据传递 PDM是信息集成的核心 ,文中介绍了PDM的设计以及与CAx软件之间的关系 为了实现生产自动化 ,使CAM与数控机床直接连接 ,建立了一对多的接口 还介绍了进行信息集成的一些关键技术和解决方法     

企业应用集成(EAI)研究

消弥“信息孤岛”是企业在信息化建设中致力的目标。但在实际应用中．企业自身及企业与企业各种系统之间却大多缺乏有效的沟通与集成。因此。引入企业信息集成（EAI），从而满足企业内外各种重要系统之间无缝共享和交换数据的需要，就成为一个合乎逻辑的必然。     

Bioinformatics, robust realm based upon multidisciplinary knowledge of biological data and computational techniques

The accumulation of the large amount of biological data concerning with gene and protein research has proposed that it is necessary to abstract the biological significance from these data. Then the bioinformatics, equipped with the most advanced computational techniques and supported by the latest biological research, has emerged for this purpose. Some recent information on the developing bioinformatics, associated with the uniform resource location addresses of those available resource sites that support hyper-text or general file transfer protocols on the Internet, from points like bioinformation databases of gene sequence or protein structure, general biocomputing softwares for genome analysis or protein structure analysis, online biocomputing servers dedicated for genomic database search or protein steric structure recognition and prediction, artificial life, etc. is reviewed. There are also other various approaches like Usenet, Newsgroup that focus on their specific topics introduced. Finally, the hottest problems and most gifted respects of the bioinformatics are discussed, whereas the bioinformatics has been regarded as an international cooperation in sciences, as well as a new challenge for life scientists in China.     

细胞全能性与数据压缩

探讨了生物细胞全能性所蕴涵的信息存储问题 ,通过对生物信息学中的基因表达及调控与小波变换、分形理论的相似性比较 ,提出了生物信息存储蕴涵有数据压缩机理 ,它对实现高压缩比的快速数据压缩提供了一种新的思路     

生物信息学社区数据空间的设计与实现

针对现有网格系统缺乏专有文件系统,导致数据在终端与网格间的传递以及数据在网格环境中的迁移、共享与管理比较困难的问题,利用清华云计算平台,以其中的分布式文件系统Carrier为底层、Corsair为存储管理软件,为用户设计了数据空间.系统的共享机制分为3个层次:为每个用户分配一定数目的个人私有空间;为每个组分配相应的存储空间;为生物信息学领域的热点资源建立全局共享的存储空间.设计的数据空间实现了层次化的数据共享与管理,为类似问题的解决提供了一种思路.     

机器学习在生物信息学中的应用

机器学习具有从数据和经验中获取知识的学习能力，能用于从大量生物数据中提取知识的过程。生物信息学是一个融合多门学科的领域，包括分子生物学、计算机科学、物理化学和数学。机器学习算法已成为生物信息学中数据分析算法的主要内容。介绍了典型的机器学习方法以及它们在生物信息学中的应用。     

基于知识表达系统的序列比对研究

序列比对是生物信息学中基本的信息处理方法,对于发现生物序列中的功能、结构和进化信息具有重要的意义。该文对典型的双序列比对算法以及多序列比对算法进行了描述和评价;针对目前序列比对算法普遍存在的不足,提出了一种新的思想--基于知识表达系统的序列比对研究,应用知识表达系统对序列比对相似性发现进行定义及其处理。     

Internet上的生物信息学资源

生物信息学是 2 1世纪科学与技术领域重点发展的学科之一 .生命科学的所有信息均可由计算机和Internet来进行储存、传输和分析 .Internet能够为我们提供大量的有关生物大分子序列、结构和功能的数据、软件、工具、文章及相关的资源 .对于化学家、物理学家、数学家、医生、生物学家等那些关注生命现象分子机理的科学家 ,生物信息学的网上资源对他们来说是必需的给养和研究手段 .在此 ,我们介绍了一些生物信息学研究的方法 ,并列出了许多相关的网站     

信息生物学--关于编码信息量的两个假设

提出并论证了关于编码信息量的两个规律.第一,基因组的编码信息量在进化中随时间增加.第二,基因序列的碱基频数分布决定于多样性的稳定化.此二规律和其他规律一起构成了信息生物学的理论基础.不同于生物信息学,信息生物学将以生命信息的遗传,传输,调节和表达的基本规律为研究中心.     

生物信息学研究的军事应用前景

叙述了生物信息学的研究现状及生物信息学在未来军事领域的应用前景.指出大规模基因测序中的信息分析、新基因识别、蛋白质结构预测、"数字化基因"获取、非编码区分析、完整基因组比较、基因功能表达谱分析等都是生物信息学应用于未来军事领域的重要研究内容.     

基于数据整合策略探究肌萎缩侧索硬化症易感基因

肌萎缩侧索硬化症（ALS）是一种以运动神经元凋亡为特征的神经退行性疾病， 目前尚无有效的治疗方法和药物. 发现新的相关基因或靶点基因， 对研究ALS的发病机制及临床治疗具有重要作用， 为临床预防、 诊断和治疗提供新的方向和目标.     从网站数据库搜集ALS相关基因的数据信息， 通过多种致病基因预测工具软件进行生物信息学分析， 并预测致病基因. 整合数据信息后得到39个候选基因. 结果表明，   候选基因与ALS均有一定的相关性.      

论信息资源与生命科学研究

讨论了现代计算机信息技术、Internet和情报科学的发展方向，介绍了人类基因组计划和生物信息学产生的科学背景，并对Internet上的生物信息学资源进行了阐述，说明了计算机信息技术对生命科学的研究和发展，特别是对基因组研究和后基因组研究的重要性。