Functional annotation of a full-length mouse cDNA collection

The RIKEN Mouse Gene Encyclopaedia Project, a systematic approach to determining the full coding potential of the mouse genome, involves collection and sequencing of full-length complementary DNAs and physical mapping of the corresponding genes to the mouse genome. We organized an international functional annotation meeting (FANTOM) to annotate the first 21,076 cDNAs to be analysed in this project. Here we describe the first RIKEN clone collection, which is one of the largest described for any organism. Analysis of these cDNAs extends known gene families and identifies new ones.     

Construction of human and mouse brain cDNA libraries and isolation of full-length cDNAs

cDNA libraries from aborted human 3-month fetal brain,adult rat and mouse brain were constructed by using a yZAP express cDNA library construction kin.Low molecular weight fragments of the second strand cDNASA were removed by flowing through the Sepharose CL-4B column and the frractionated long,Middle,Short fragments and the combined fragments weire respectively inserted into clone vectors to construct the cDNA libraries of the brain of human 3-month fetus.The 5'ends of 1200 clones from each of human fetal brain cDNA libraries were sequenced.A total of 894 ESTs were obtained and some full-length clones were squenced.By andalyaing the se-quences,12 novel full-length cDNAs were obtained.     

青钱柳叶片转录组数据组装及基因功能注释

青钱柳是一种民间常用中药,青钱柳叶中有多种生物活性的次生代谢物,如有机酸、黄酮类、皂苷类、铱类、精油、无机元素等,但对于青钱柳次生代谢产物合成的分子机制仍未见有报道.使用Illumina公司Hiseq 4000平台对青钱柳叶进行转录组测序,对 reads 进行拼接,得到50 126个unigenes平均长度为 1 247 bp,有19 875 (39.65%) unigenes由NCBI非冗余数据库进行注释的,23 716 (47.31%) unigenes被注释到GO数据库,14 950个(29.82%) unigenes匹配到COG 功能组.进一步的分析结果显示,6 012 (11.20%)个 unigenes被富集到 254个 KEGG 代谢通路,其中1 212个unigenes参与了次生代谢产物的生物合成,并且发现126个unigenes参与异戊二烯代谢,包括萜烯类、香茅醛、呋喃酮、苷的代谢途径.此外,总共检测到21 089个简单序列重复(SSRs).通过对老叶与嫩叶的转录组比较分析结果显示,在青钱柳不同生长发育时期的叶片中,基因表达上调占主异作用的过程主要涉及萜类和多肽的代谢、辅酶和维生素的代谢和氨基酸代谢,而基因表达下调占主异作用的过程主要涉及信号传输、类脂物代谢与能量代谢.该转录组数据可为青钱柳重要生物活性成分的生物合成和调控提供参考.     

孝顺竹笋箨全长转录组测序分析

【目的】揭示竹子笋箨的生物学功能与其衰老的分子基础。【方法】利用PacBio Sequel 3代全长转录组测序技术结合生物信息学方法,对孝顺竹不同衰老阶段笋箨全长转录本进行分析。【结果】共获得106 148 条平均长度为3 615 bp的全长转录本。多数转录本长度分布在1.4~7.0 kb。NCBI等注释显示,97.34%的转录本具有注释结果。Mercator注释分析显示笋箨转录本覆盖了其全部34 个类别,其中与蛋白类别相关的序列最多,达到了18 224 条;与microRNA类别相关的最少,仅有9 条。在重要功能基因方面,共获得了2 489 条激素代谢及信号转导相关序列; 8 804 条转录因子序列中393 条与光合作用相关的转录本。其中,注释到的189 条共30 类NAC(NAM/ATAF/CUC)转录因子基因,93.33%的NAC基因,共计28类,其表达量与笋箨衰老呈相关性, 包括已被证实在叶片衰老中具有重要调控作用的NAC002、NAC016、NAC017、NAC029(NAP)、NAC042、NAC055与NAC083等7个NAC转录因子与NAC014等14个被报道在叶片衰老中具有潜在作用的NAC基因。NAC025、NAC028、NAC045、NAC061、NAC086、NAC103与NAC1L (NAC 1 Like) 7 个NAC转录因子表达与孝顺竹笋箨衰老呈正相关,为新发现的正调控笋箨衰老的潜在转录因子。此外,利用MISA程序在76 499 个序列中检测到简单序列重复(simple sequence repeats,SSR)位点,主要以单核苷酸重复(SSRs)为主,占据了全部(SSRs)的55.2%。利用PLEK等软件共获得2 769个长链非编码RNA(long non-coding RNA, lncRNA)。【结论】竹子笋箨基因表达多样化,并具有完整的光合系统基因,显示其具有潜在光合功能;NAC转录因子在孝顺竹笋箨衰老中具有潜在重要调控作用。本研究首次解析了竹子笋箨的全长转录本特征,为今后深入分析竹子笋箨功能及其衰老的分子机制奠定基础。     

Expression of functional acetylcholine receptor from cloned cDNAs

The cloned cDNAs encoding the four subunits of the Torpedo californica acetylcholine receptor, each carried by a simian virus 40 vector, direct the synthesis of the functional receptor in a combined expression system consisting of COS monkey cells and Xenopus oocytes. Our results suggest that all four subunits are required to elicit a normal nicotinic response to acetylcholine, whereas only the alpha-subunit is indispensable for alpha-bungarotoxin binding activity.     

基于风格建模的图像自动标注

传统的自动图像标注假设图像相对独立,在训练和标注阶段,图像之间的联系都被忽略.然而在实际应用中,用户往往倾向于将来自同源(如同一次旅行,同一次庆典等)的图像存储在一起,组成一个图像子集,来自同一个图片子集的图像享有共同的"风格".以传统的基于PLSA模型的自动图像标注为基础,提出为图像集的"风格"建模,在风格模型的基础上进行自动图像标注.不同数据集上的实验证明,提出的风格化图像自动标注可以为传统的基于PLSA模型的自动图像标注带来80%左右的性能提升.     

基于序列标注的事件联合抽取方法

事件抽取是自然语言处理领域的重要研究方向。传统的事件类型抽取系统采用分类方式,无法解决跨句子的事件角色和事件类型匹配问题。为了解决该问题,提出一种基于序列标注的事件联合抽取模型,结合卷积神经网络(convolutional neural networks, CNN)与长短期记忆网络(long short-term memory, LSTM)提取全局特征和局部特征;并在浅层LSTM层共享参数实现联合抽取,以序列标注方式抽取事件论元并匹配事件类型。实验结果表明,模型能有效提取司法领域的文档事件信息。     

基于感兴趣区域的图像自动标注算法研究

提出一种基于感兴趣区域(ROI)的图像自动标注算法.首先利用JPEG 2000中的Maxshift算法提取出图像的感兴趣区域,建立感兴趣图像库;之后对图像库中的图像利用SIFT算法提取图像的特征向量;并利用支持向量机对图像进行标注;最后应用Corel图像数据库进行自动标注仿真试验,结果表明,所设计算法有较好的效果.     

基于改进U-Net的零件缺陷分割标注

提出一种以U-Net为基础,依据零件缺陷的特点对网络进行一系列改进的模型,以提升网络对零件缺陷的分割精度.首先在U-Net结构中的编码阶段,使用改进的残差网络Res2Net提高该阶段的特征提取能力;然后在网络编码器与解码器的中间部位增加空洞卷积,在不改变特征图尺寸的情况下增加感受野,降低误检率与漏检率;最后在U-Net的输出阶段与Mini U-Net进行结合,对原本的输出结果进行二次补丁,提高对微小缺陷的检测精度.实验结果表明,对MVTec数据集进行分割的F1-Score分数达到87.21%,时间为0.017 s,达到了良好的检测效果.     

基于本体的文档语义标注改进方法

在领域本体知识的语义环境和资源文档结构基础上,提出一种文档语义标注改进方法,分析、计算标签一文档的词频相关性和语义环境在局部窗口的共现性,实现对各类文档资源的语义标注.该方法首先提取出文档资源的纯文本内容,并分解出子句、句和段落集合.然后,对于每个具体的领域知识项,在本体知识库中寻找其语义环境信息.最后,按照7条相关度规则,分别计算出这些信息与分解后文档内容的相关度,从而完成整个文档库内和知识库内的综合计算,得到该项知识与文档资源的最终相关度.卖验结果显示,该方法能够依据领域本体,有效地对互联网中大量以网页等形式存在的多种类文档知识资源进行自动语义标注.     

Web Database Query Interface Annotation Based on User Collaboration

A vision based query interface annotation meth od is used to relate attributes and form elements in form based web query interfaces, this method can reach accuracy of 82%. And a user participation method is used to tune the result; user can answer ＂yes＂ or ＂no＂ for existing annotations, or manually annotate form elements. Mass feedback is added to the annotation algorithm to produce more accurate result. By this approach, query interface annotation can reach a perfect accuracy.     

基于MBD的产品信息全三维标注方法

对基于三维模型表达产品信息的方式进行了研究,提出了利用基于模型定义(MBD)技术在三维模型上标注产品信息的方法.首先,将产品信息分为设计信息和制造信息,从而方便对信息进行分类表达.特别提出了产品制造信息符号化组合表达的方法,并构建了工艺信息框格.其次,对产品信息三维模型表达的特点进行了研究,提出了三维信息表达公式,并规定了颜色的使用规则.此外,针对三维标注信息存在的“刺猬”现象,提出了三维标注信息分视图、分图层的管理方法,实现了产品信息的合理有效表达.最后,在开发的基于全三维模型的数字化工艺设计系统(FTPDS)上,实现了产品设计制造信息的全三维标注,并验证了全三维标注符合GB/T 24734-2009规定的标注规则.     

Semantic image annotation based on GMM and random walk model

Automatic image annotation has been an active topic of research in computer vision and patternrecognition for decades.A two stage automatic image annotation method based on Gaussian mixturemodel (GMM) and random walk model (abbreviated as GMM-RW) is presented.To start with,GMM fitted by the rival penalized expectation maximization (RPEM) algorithm is employed to estimatethe posterior probabilities of each annotation keyword.Subsequently, a random walk processover the constructed label similarity graph is implemented to further mine the potential correlations ofthe candidate annotations so as to capture the refining results, which plays a crucial role in semanticbased image retrieval.The contributions exhibited in this work are multifold.First, GMM is exploitedto capture the initial semantic annotations, especially the RPEM algorithm is utilized to train themodel that can determine the number of components in GMM automatically.Second, a label similaritygraph is constructed by a weighted linear combination of label similarity and visual similarity ofimages associated with the corresponding labels, which is able to avoid the phenomena of polysemyand synonym efficiently during the image annotation process.Third, the random walk is implementedover the constructed label graph to further refine the candidate set of annotations generated byGMM.Conducted experiments on the standard Corel5k demonstrate that GMM-RW is significantlymore effective than several state-of-the-arts regarding their effectiveness and efficiency in the task of automatic image annotation.     

Medical entity and attributes extraction system based on relation annotation

The abundant entities and entity-attribute relations in medical websites are important data resources for medical research. However, the medical websites are usually characterized of storing entity and attribute values in different pages. To extract those data records efficiently, we propose an automatic extraction system which is related to entity and attribute relations (attributes and values) of separate storage. Our system includes following modules: (1) rich-information interactive annotation page rendering; (2) separate storage attribute relations annotating; (3) annotated relations for pattern generating and data records extracting. This paper presents the relations about the attributes which are stored in many pages by effective annotation, then generates rules for data records extraction. The experiments show that the system can not only complete attribute relations of separate storage extraction, but also be compatible with regular relation extraction, while maintaining high accuracy.     

基于相关反馈的文物图像语义标注

目的 通过研究基于相关反馈的文物图像语义标注问题,以克服图像检索领域内的"语义鸿沟".方法 在标注过程中介入人机交互,以此来改进标注的准确率与效率.算法首先通过相关反馈构建语义相似性矩阵,进而通过语义聚类实现语义标注.结果 在对文物图像的标注试验中,获得了较好的标注准确率与效率.结论 基于相关反馈的图像语义标注较自动语义标注具有更大优势.     

基于隐含主题和语义树的医学文本自动批注

针对医学文本缺乏可量化数据结构,基于关键词模型的文本处理方法不适用的问题,在研究词之间潜在语义关联和关键词树结构的基础上,构造了一种基于潜在语义树的语义分析模型用于医学文本的数据挖掘。进一步地将隐含主题与潜在语义的研究相关联,设计出一种基于潜在狄利克雷分配和潜在语义树模型的文本处理方法,可针对不同类型的医学文本生成有一定可读性的自动批注。该方法形成的自动批注主观性低,其准确度和可读性均高于关键词模型的处理结果,可辅助医生进行医学文本的批注和分类,从而减轻其工作量。程序结果表明,该方法目前可应用于对医学图像所见形成诊断意见、对病人病历进行摘要形成和对病症描述给出对症处方等方面,批注的语义匹配度可达67.7%,文本的平均可读性为60.02%。     

基于遥感影像的重要地物的变化检测和标注

破坏性灾害会造成巨大危害和损失,灾后一定时间内由于信息匮乏,使得对了解灾情和救灾都极为不利。为了及时获取灾区建筑物、道路、桥梁、水库等重要地物的倒塌和毁坏信息,给出了一种可自动识别和标注灾害前后遥感图像差异区域的方法。首先对时序遥感影像通过三维块匹配(block matching 3D,BM3D)方法去除高斯噪声,然后利用尺度不变特征变换(scale-invariant feature transform, SIFT)方法进行图像配准,通过对差分图像采用Wv＿Canny边缘检测方法获得差异区域重要地物的边缘信息,最后识别并标注出发生变化的重要地物,真实遥感图像实验结果按建筑物变化面积比较,正确率78%～79%,误检率21%～22%,无漏检率。仿真试验和实际遥感影像处理表明：所研究方法可有效识别和标注建筑物等重要地物的差异区,有利于灾后破坏性地物的及时了解和救助工作。     

“反其率术”校注

就尚存急议的《九章算九》中“反其率术”进行研究，结合刘微，李淳风的九章注，分析“经率术”，“其率术”，“反其率术”的内在联系和变化，以算理分析和实验证的方法注考察“反其率术”，从而获得对“反其率术”术校正和算法的阐释。