CFTR第六跨膜区相关肽的二级结构和定位研究

采用圆二色光谱和荧光光谱等方法对不同pH值条件下囊性纤维化跨膜传导调节因子(CFTR)的第六跨膜区(TM6)及突变体TM6-R347P在DMPC,DMPG,SDS中的二级结构和定位进行了研究.结果表明,跨膜肽段均插入模型膜的内部并且形成α-螺旋结构;与野生肽段相比突变体α-螺旋含量较少,并且在膜中的位置相对较深,pH值依赖性减小,说明R347P突变影响α-螺旋的形成及在膜中的定位.     

水稻苯丙氨酸解氨酶的生物信息学分析

苯丙氨酸解氨酶(PAL)是水稻防卫反应中的关键蛋白,采用生物信息学工具和方法对GenBank中的日本晴水稻pal基因的核苷酸序列及其相应氨基酸序列进行预测和分析,获得了其分子结构、理化性质、系统演化和生物学功能等重要参数.结果表明:水稻pal基因序列只有开放阅读框,其编码蛋白亲水性较强,无跨膜转运肽,且定位于细胞基质,二级结构以随机卷曲和α-螺旋为主要构件,三维建模成功,并明确了多个功能位点.     

人巨细胞病毒包膜糖蛋白B的B细胞抗原表位预测

目的:通过生物信息学方法分析人巨细胞病毒包膜糖蛋白B(gB)的三级结构并预测其线性B细胞抗原表位.方法:根据人巨细胞病毒gB蛋白的胞外域序列,利用DNAStar软件分析其二级结构和表面特性,联合在线B细胞表位预测程序BcePred,通过其理化特性来综合预测该蛋白可能的线性B细胞抗原表位;利用SWISSMODEL服务器的同源建模方法构建gB蛋白的三级结构模型,对在生理三聚体条件下该蛋白各预测表位进行验证.结果:成功预测出人巨细胞病毒gB蛋白的多个线性B细胞抗原表位区段,其中预测出的5个表位区段不属于任何已发现的抗原区域,为后续验证其优势中和表位,研制安全、高效的表位疫苗奠定了理论基础.     

肝豆状核变性新突变p.I930del的基因诊断和产前诊断

目的:通过研究一个肝豆状核变性特殊家系的基因突变情况,探讨新突变p.I930del诱发肝豆状核变性的分子机制.方法:采用变性高效液相色谱(DHPLC Denaturing high performance liquid chromatography)方法结合DNA测序方法对1个WD家系进行ATP7B基因所有外显子及5'UTR区突变检测.结果:该家系WD由p.I930del,p.T977M,p.G943S 3个基因突变引起,p.I930del源自父方,100个正常人测序结果没有发现该位点的缺失；p.T977M,p.C943S分别来自不同的母方.产前诊断结果表明胎儿没有携带致病基因.结论:位于跨膜区的p.I930del 为一个新的肝豆状核变性致病突变；该缺失可能通过影响跨膜区结构的形式影响该蛋白的功能.     

杀蚊苏云金芽孢杆菌Cry4Aa和Cry4Ba晶体蛋白结构的计算机对比分析

运用生物信息学软件对苏云金芽孢杆菌毒素Cry4Aa和Cry4Ba的基本参数、一级结构、二级结构、三级结构和跨膜区进行了预测比较.它们在一级结构上有较大差异,但二级结构和跨膜区相似,三级结构中各毒素的结构域Ⅱ、Ⅲ之间基本相似,结构域Ⅰ之间差异较大.Cry4蛋白之间的结构相似性和差异性与其作用机理和杀虫特异性有关.为分析杀蚊蛋白作用的分子机制、定点突变及研究高效的Bt生物杀虫剂有效控制蚊虫提供参考.     

通过序列编码预测蛋白质相互作用

该文利用蛋白质的一级结构信息,将支持向量机应用于人的蛋白质相互作用预测中,采用三肽频数方法刻画 蛋白质序列. 计算结果表明,该方法能准确预测人的蛋白质相互作用. 比较了半胱氨酸在不同分类下对预测结果的影响, 对人的胚胎肝脏蛋白质相互作用网络进行预测,为实验提供了重要的信息.     

基于小波变换的模糊神经网络短期负荷预测方法

为了解决传统神经网络的预测精度取决于输入变量和测试样本的缺陷,采用二阶Daubechies小波作为母小波,通过离散小波变换和逆变换的多分辨率把负荷序列分解为4个小波分量,不但把握了负荷序列的规律性,而且减轻了神经网络的学习压力.采用自适应遗传算法对模糊规则和权重进行修正,优化模糊神经网络,提出GNN-W-GAF模型.该模型既发挥了模糊算法的特点,又使得各种知识点在神经网络中相互融合,避免了初始值设定的随意性.仿真结果表明,该方法能显著提高预测精度和预测性能.     

热电厂废弃反渗透膜清洗研究

为了对废膜元件进行循环利用,降低其跨膜压差,文章采用不同的清洗剂,配合不同的清洗方法对热电厂替换下的废弃反渗透膜元件进行了清洗实验研究.结果表明:以0.1％NaOH溶液+0.25％SDS-Na以及0.2％HCl溶液依次对废膜进行清洗,并采用正洗和反洗相结合的清洗方法,能够有效降低废膜的跨膜压差.此外,用0.1％NaOH...     

小波变换和时间序列模型相结合的降雨量预测

针对降雨量预测问题大多采用时间序列分析的方法,但是对于准确预测降雨量和降雨变化规律,提高降雨量的预测精度等问题,如果仅采用时间序列的方法误差相对来说比较大.提出一种小波变换和时间序列预测模型(ARMA)相结合的降雨量预测方法.在预测过程中,对降雨量进行归一化处理,利用小波变换对原始降雨量进行降噪,降低其预测中的误差,采用正确的时间序列模型对降噪后的降雨量进行分析,建立最优降雨量预测模型.对实际降雨量进行仿真测试,结果表明,改进的方法预测精度比传统方法要高,且能更好地反映降雨量变化规律,为降雨量的预测提供了一种新的途径.     

燕尾榫连接结构低周微动疲劳寿命预测

在低周疲劳寿命预测方法中,通过引入摩擦功因子,考虑微动作用对构件疲劳寿命的影响,对传统的名义应力法进行改进,以用于构件的低周疲劳寿命预测.针对燕尾榫连接结构,采用有限元技术求解接触问题,获得结构接触应力及接触状态量的分布,并预测裂纹萌生的位置.进一步应用该位置处的应力场和接触状态进行结构的寿命预测,通过燕尾榫连接结构的低周微动疲劳试验,获得了寿命预测模型中的相关参数.最后采用相关文献中的试验结果对该模型进行了验证.     

无线传感器网络的不确定传感数据预测

由于传感误差、传感噪声、传输错误等因素的影响,同一个传感区域内多个传感器节点的传感数据具有一定程度的差异,这种差异导致的区域不确定性传感数据给查询、预测等后续深层次的数据处理提出了严峻挑战.针对这类传感数据的预测问题,提出一种基于多变量主元分析（multiple variable principal component analysis,MVPCA）的不确定性传感数据预测方法. 通过MVPCA的特征提取这一预处理手段获得不确定性传感数据的本质特征,然后采用基于相关分析的多元回归方法对这些数据进行建模和预测. 实际传感数据的实验结果表明,该方法能有效解决不确定性传感数据的预测问题.     

基于小波变换的GM(1,1)-ARMA组合预测模型对悬索管桥的应变预测

ARMA模型采用差分处理对桥梁监测数据进行预测时,会出现数据丢失和预测精度降低的现象.为此,利用小波变换对信号进行离散化处理信息不会丢失的优点,将趋势明显的原始序列离散化,得到不同频带上的块信号.采用灰色GM(1,1)模型对趋势明显的低频信号进行趋势预测,用ARMA模型对平稳的高频细节信号进行细节预测,再将两部分预测值叠加得到最终预测值.对黄河悬索管桥在线监测系统获得的过去一段时间的应变数据进行验证,结果表明所提出的GM(1,1)-ARMA组合模型预测效果明显高于传统ARMA模型,这对实现同类桥梁的预警具有积极意义.     

基于深度学习的医疗电子数据特征学习方法

面向高维异构的医疗电子数据,如何才能有效开展特征学习以优化患者联合用药不良预后的风险预测？针对此问题,提出一种基于深度学习的医疗电子数据特征学习方法。首先结合深度学习长短期记忆网络模型和深度稀疏自动编码模型学习具有时序特性的患者联合用药数据的特征表示,并通过二分k-均值聚类方法形成联合用药综合表达因子。然后构建风险预测特征向量和风险相关特征向量,分别用于联合用药的不良预后风险预测和风险相关性分析。最后将该方法与已有的传统方法在真实医疗电子数据集上进行对比实验,结果表明：该方法在患者联合用药的不良预后风险预测中,准确率比传统方法提高了5%～10%,误判率降低了3%～5%,具有较好的风险预测性能。     

基于卷积神经网络和投票机制的轨道板裂缝检测

现有的检测方法对轨道板细微裂缝和夜间拍摄的裂缝图像存在误检和漏检的现象,为此提出了一种基于卷积神经网络的改进方法.将特征图分组后用注意力机制强化各组向量的特征表达,以动态聚合弱分类器预测结果的方式得到最终的裂缝置信度.借助投票机制有效降低最终的预测偏差,提升模型的鲁棒性.实验结果表明:该改进方法在减少模型参数的情况下,...     

戈壁土路基后期沉降预测方法及误差分析

各种沉降预测的研究已在软土路基进行,而对戈壁土路基这一特殊路基的沉降预测研究较少.以兰新第二双线新疆段工程实测沉降数据为研究对象,分别采用双曲线法、星野法、Asaoka法、GM（1,1）模型四种沉降预测方法,预测戈壁土路基的后期沉降并分析不同时间起点对预测结果的影响.研究表明,常用的双曲线法和Asaoka法的预测精度受预测时间起点影响较大,双曲线法建议恒载期5~6月后为时间起点,Asaoka法建议恒载期1~2月后为时间起点.不同时间起点对星野法和GM（1,1）模型影响较小,其中GM（1,1）模型预测结果最为精确.     

基于最优样本子集的在线模糊LSSVM混沌时间序列预测

提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM) 混沌时间序列预测方法. 算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用" 不敏感函数对其进行模糊化处理,通过模糊LSSVM 训练获得预测模型. 随着时间窗口的滑动,最优样本子
集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度. 实验中对时变Ikeda 序列进行预测,表明所提出的方法与离线和在线LSSVM 相比,训练速度更快,预测精度更高.     

基于块分类的密文域多重嵌入可逆信息隐藏算法

针对现有密文域可逆信息隐藏方法中图像块利用不充分,使得嵌入秘密信息量不高的问题,提出了一种基于块分类的多重嵌入可逆信息隐藏算法。首先将原始图像用流密码加密,加密图像被分成若干个不重叠的块。然后,用最高有效位（most significant bit, MSB）自适应预测算法对块内的第1个像素和其他像素进行预测,将每一个块标记为可用块或非可用块。进一步对可用块进行重构嵌入,同时用中值边缘检测器（median-edge detector, MED）预测算法对非可用块进行二次嵌入,最终实现秘密信息的嵌入。当接收方接收到含密图像时,通过嵌入密钥实现秘密信息的正确提取,同时利用加密密钥恢复原始图像。实验证明,该文提出的方法在相同图像恢复质量的情况下能够显著提升秘密信息的嵌入量,在嵌入容量和图像恢复质量上均优于已有的方法。     

多层记忆增强生成对抗网络二次预测的视频异常检测方法

为了提高视频异常检测的准确率,提出了一种基于多层记忆增强生成对抗网络二次预测的视频异常检测方法。首先利用目标检测提取时空立方体,并将其输入自编码器中得到预测帧;其次将预测帧的表观特征和对应真实帧的光流特征进行融合,形成融合特征;最后利用多层记忆增强生成对抗网络二次预测未来帧,以便学习不同层次特征的正常模式并捕获上下文的语义信息。在UCSD Ped2和CUHK Avenue数据集上进行的实验结果表明：所提出的方法与其他视频异常检测方法相比,可有效提高视频异常检测的性能,使帧级别AUC分别达到99.57%和91.59%。     

双正交时域多分辨方法及其电磁散射应用

研究了一种双正交时域多分辨方法,用于分析三维目标的电磁散射特性,计算目标的雷达散射截面.以具有紧支撑和严格内插特性的双正交Cohen-Daubechies-Feauveau(CDF)小波为场量展开的空间基函数,用小波Galerkin采样方法进一步导出该算法的严格三维计算公式,并分析其色散特性. 采用各向异性完全匹配层截断计算空间,应用总场/散射场技术引入入射波. 理论分析和实验结果表明,与时域有限差分法和基于非紧支撑的Battle-Lemarie (B-L)小波的MRTD方法相比,该方法在保持计算精度的前提下能大幅度节省计算资源.     

年径流预测的小波系数加权和模型

利用连续小波变换和小波方差分析年径流的周期特征,已被众多学者认可并应用于年径流的分析中。但这种方法只是一种定性预测,并不能作出比较明确的定量预测.本文在原有定性分析方法的基础上,提出基于年径流时间序列主周期小波系数加权求和预测周期成分的年径流预测模型.该方法更为有效地利用了小波分析的多分辨率特征,并可减小趋势成分的预测误差.经对千河流域年径流建模并检验,结果表明,文中所提出的预测方法可得到较为理想的预测结果,并可用于年径流时间序列预测.