基于低氧-免疫DNA甲基化标记在肺腺癌预后中的开发

为了探究缺氧和免疫联合分析DNA甲基化位点在肺癌预后中的作用,提高肺癌免疫治疗的有效性,本研究基于甲基化和转录组二维数据,构建了一个用于预后评估的风险评分模型．从TCGA数据库中下载了247个与缺氧、免疫状态相关的去冗余肺癌样本作为训练集．然后对低缺氧-强免疫状态的样本、高缺氧-弱免疫状态的样本进行了差异基因表达、甲基化位点和临床生存率分析．生存曲线分析显示,低缺氧状态-强免疫状态组中的肺腺癌患者的1、3、5年生存率均优于高缺氧状态-弱免疫状态组（log-rank检验,P<0.05、P<0.001、P<0.001）．使用LASSO回归构建的多基因预后模型包含9个甲基化位点,在肺腺癌测试数据集和验证数据集中均显示出良好的预后预测能力（AUC=0.83,0.80,0.82）．这9个甲基化位点分别分布在PEBP4、FLI1、HLA-DMB、MYO1F、ABCC2、AKNA、ETS1、CCR7和TXNRD1基因上．此外,我们从5年生存曲线中发现,在低缺氧-强免疫状态组中高表达的PEBP4、CCR7、FLI1、AKNA、HLA-DMB、MYO1F和低表达的ABCC2基因也可作为...     

一种基于人工智能的基因组选择方法

基因组选择 (genomic selection, GS) 是一种利用全基因组的标记信息进行选择育种的新方法。它利用参考群体的基因型和表型信息进行训练,对只含基因型信息的候选群体预测基因组估计育种值 (genomic estimated breeding value, GEBV)。开发了一种新的深度学习基因组选择 (genomic selection, GS) 方法,并命名为DRNGS (deep residual network genomic selection)。新方法的特点有:1) 以深度残差网络来预测基因组估计育种值 (genomic estimated breeding value, GEBV),可捕获基因型内部的复杂关系,提高预测准确性;2) 采用卷积和池化策略来降低高维基因型数据的复杂性,加快计算速度;3) 方法中引入批量归一化层,加快了收敛速度。将新方法应用于CIMMYT小麦数据集,实验结果表明:DRNGS的效果比前馈神经网络 (feedforward neural network, FNN)提高了101.59%~130.83%;在对大部分性状的表型预测中,DRNGS比GBLUP (genomic best linear unbiased prediction) 提高了2.24%~20.19%;在计算耗时方面,DRNGS仅次于GBLUP,比DeepGS快了大约18~22倍,比FNN快了24~26倍。为进一步比较DRNGS和DeepGS,用伊朗面包小麦 (Triticum aestivum) 数据集进行测试,结果表明:DRNGS收敛速度优于DeepGS;在对所有性状的表型预测过程中,DRNGS的计算耗时始终较DeepGS短;而且DRNGS在预测准确性方面优于DeepGS,在8个性状中,DRNGS较DeepGS提高0.12%~1.59%。并将DRNGS开发成R包,可通过https://github.com/GuLinLin.JMU/DRNGS访问。     

一种生成不完备诊断模型的方法

利用在线生成模型方法解决因建模不完备而产生的系统不可诊断问题. 该方法通过离线建立的可扩展模型和确定可诊断性时得到的最大观测长度, 在线判定是否存在不完备行为; 根据在线运行的历史数据和观测时间确定不完备行为并进行分类, 重新定义诊断模型并生成诊断; 取消了完备性假设, 当系统中存在未定义行为时, 可得到诊断结果而非盲目扩展, 因此建模过程中进一步减少了设备依赖性.     

一种生成不完备诊断模型的方法

利用在线生成模型方法解决因建模不完备而产生的系统不可诊断问题. 该方法通过离线建立的可扩展模型和确定可诊断性时得到的最大观测长度, 在线判定是否存在不完备行为; 根据在线运行的历史数据和观测时间确定不完备行为并进行分类, 重新定义诊断模型并生成诊断; 取消了完备性假设, 当系统中存在未定义行为时, 可得到诊断结果而非盲目扩展, 因此建模过程中进一步减少了设备依赖性.     

滚动轴承损伤类故障的一种精确诊断模型

为了实现对滚动轴承元件表面损伤类故障的早期精确诊断,并考虑到载荷分布及轴承运动的影响,从理论上提出了一种模型来分析用高频共振法进行滚动轴承故障诊断时得到的包络信号及其频谱图,并试验验证了该模型的正确性和可行性.     

一种基于香豆素的迈克尔加成型硫醇比色探针

基于硫醇对α,β-不饱和双键的亲核加成,设计合成了一种香豆素-3-氧代-2,3-二氢苯并[b]噻吩加合物的比色硫醇探针.硫醇与探针发生迈克尔加成,打断了分子内的共轭体系,阻止了香豆素向缺电子的3-氧代-2,3-二氢苯并[b]噻吩基团的分子内电荷转移,引起了吸收光谱上的蓝移和溶液颜色的变化.     

一种基于数据包分析的网络入侵检测探针

首先介绍入侵检测系统的原理，并在此基础上利用Kdevelop2.0以及Qt在Linux操作系统下实现了基于数据包分析的网络入侵检测探针程序，该程序完成了共享网段中的数据包的捕获和分析，入侵特征的匹配以及对入侵活动的响应等功能。     

基因组原位杂交中探针长度的优化

本文对普通野生稻Oryza rufipogon DNA的提取、纯化到最后将DNA剪切成300-500bp的整个过程进行了阐述．同时因为鲑鱼精DNA的G、C含量比较均匀，具有一定的剪切代表性，也对其进行了长度剪切，用来和普通野生稻Oryza rufipogon DNA进行比较，以得出其煮沸时间和剪切长度的关系是否具有普遍性，结果初步验证了普通野生稻Oryza rufipogon DNA的煮沸时间和长度变化的关系与鲑鱼精DNA的煮沸时间和长度变化的关系有很大差别，说明普通野生稻Oryza rutlpogon DNA的煮沸时间和长度变化的关系没有普遍性，而只能说明普通野生稻Oryza rufipogon DNA本身的特性。     

属性掌握概率分类模型——一种基于Q矩阵的认知诊断模型

提出了一种属性掌握概率的分类模型,该模型基于Q矩阵,采用对属性掌握概率先估计后分类的方法,从而实现对考生知识状态的识别.在估计阶段提出一种属性掌握概率的估计方法,在分类阶段引进模糊数学的贴近度按择近原则判别法,并通过计算机模拟研究,发现该模型适用于总体的属性掌握概率服从左偏态分布和双峰分布的考生知识状态的识别.     

一种基于免疫原理的Agent状态判定模型

利用动态模糊逻辑(Dynamic Fuzzy Logic:DFL)作为形式化描述工具,结合动态免疫网络模型的思想,设计了一种基于免疫原理的Agent状态判定模型,用以实现对Agent的状态进行动态和实时的监控,并对判定过程进行了模拟,取得了预期的结果.     

一种基于商品基因的个性化推荐模型

个性化推荐技术在电子商务系统中得到了广泛应用．但现有的个性化推荐模型不能反映出商品的某些特殊属性对用户购买行为的影响及用户购买某商品的真正原因．引入生物界中基因的概念,提出了基于商品基因的个性化推荐模型,发现用户钟爱商品基因,并将钟爱商品基因遗传到用户选择的商品．该模型能更好地发现用户的购买动机,从而进一步提高个性化推荐精度和用户满意度．     

基于Kriging模型的冷水机组故障检测与诊断方法

提出应用Kriging模型对冷水机组进行故障检测与诊断(FDD),采用ASHRAE RP-1043项目中无故障运行数据建立并验证冷水机组Kriging模型.利用参数敏感性原理对比T-统计方法和指数加权移动平均(EWMA)方法,对比结果表明,EWMA方法提高了参数敏感性.结合Kriging模型、EWMA方法和故障诊断规则表,用实测故障数据对冷水机组故障进行检测与诊断,检测和诊断的故障包括冷凝器结垢、制冷剂充注过多、制冷剂泄漏、不凝性气体、冷冻水流量减少和冷却水流量减少6个故障.诊断结果表明,应用Kriging模型能够准确有效地检测与诊断冷水机组不同水平的故障.     

一种基于离散马尔可夫过程的诊断风险模型

文章建立了一个基于贝叶斯公式和马尔可夫链的诊断模型,并根据中国现有的医疗管理体制进行假设检验,对假设结果进行评价。在分类过程中应用贝叶斯决策,将医疗诊断简单情况下的二值分类进行研究,同时依据分类平均风险最小的原则给出了分类的决策函数,并应用贝叶斯理论和马尔可夫过程进行讨论。实验证实了在我国建立强制医疗责任保险制度的正确性与必要性。     

基于贝叶斯分类的分布式网络故障诊断模型

该文提出了一个基于Agent的分布式网络故障诊断系统模型框架,该模型对贝叶斯分类理论进行了推广。模型将先验知识和观察数据结合起来,从而大大改进了系统的诊断性能。模型采用一定的状态检查和验证策略,保证了Agent的自身安全和通信安全。Agent之间各自独立,相互协作,合作完成诊断任务。该模型与特定的系统应用环境无关。因此,该文提供了一个通用的网络故障诊断系统框架。     

基于数据挖掘模型的配电网故障定位诊断

由于配电网故障定位所依据的故障信息来自于户外的FTU，其运行环境较恶劣，元器件受损或信息丢失的可能性高，易形成变异故障模式，导致故障定位的错判，提出基于粗糙集（RS）理论和遗传算法（GA）相结合的数据挖掘（DM）模型来处理实时输入信息的畴变和实现配电网的故障定位。首先通过RS对变异故障信息域的数据集进行划分，再用GA挖掘出输入信息与故障定位诊断结果间冗余关系及内在关联性规则。经仿真测试证明，基于DM模型的故障定位与基于常规前馈神经网络（FNN）故障定位原理相比，前者具更高的容错性能。     

探究现代教育理念下的体育主体性教学模式

在现代教育理念的思想指导下,采用文献法、问卷法、测验法、实验法等,探讨如何改变传统体育教学方式,建立和形成旨在充分调动和发挥学生主体性的地位,充分调动其自主学习的积极性和兴趣。通过实验法对主体性教学模式进行实验研究,在教学效果和学生素质的提高及能力培养方面,主体性教学模式优于传统教学模式。     

基于故障树分析法的FMS层次诊断模型

从基于知识的诊断角度出发，针对ＦＭＳ的结构特点和故障传播形式，提出了一种基于故障树分析法的ＦＭＳ层次诊断模型．详细介绍了模型的设计思想、模型的建立过程以及诊断推理控制策略     

基于模型的局域网诊断系统

基于模型诊断的HS—DAG算法,提出一个网络通信模型的诊断系统,当局域网出现故障时,能够根据观察结果判断故障出现的位置,不会因为剪枝而丢掉部分最小碰集,提高了故障诊断效率。     

一种基于动态贝叶斯模型的大型IP网络故障诊断方法

为了提高IP业务的服务质量,利用告警等症状和已有知识快速准确地定位根故障十分重要。基于贝叶斯网络的不确定推理方法是近年来广泛应用的一种故障诊断方法。目前,基于静态贝叶斯网络的故障定位只是利用当前信息进行故障诊断,无法处理时间信息;而已有基于动态贝叶斯网络的诊断算法复杂度太高,不适用于大型网络。本文针对大型IP网络,建立用于故障诊断的动态贝叶斯模型,并对基于动态贝叶斯网络的一种通用的精确算法进行改进,实验证明它能够对大型IP网络快速准确的定位故障。本文方法充分利用告警库中的历史数据和当前症状信息,对当前的系统状态进行估计,完成故障诊断。