浅论基因芯片的研究

基因芯片是将大量核酸片段探针以预先设计的方式固定在载体上组成密集的探针集群,能1次检测大量的样品靶DNA(RNA)分子的存在和量,在研究基因表达、基因测序、发现新基因、疾病诊断和治疗等方面有广泛的应用.     

钢桁架结构损伤检测的柔度曲率幅值突变系数法

为了对钢桁架结构的损伤情况进行比较准确的检测,应用了柔度曲率幅值突变系数法.首先应用ANSYS对钢桁架结构的单个或多个损伤同时出现的情况进行了数值模拟,然后用一个钢桁架模型对ANSYS的计算结构进行实验验证.数值模拟的结果表明:用柔度曲率幅值突变系数法可以对钢桁架结构单个或多个结构同时出现的情况进行比较准确的判定.实验结果与数值模拟结果基本吻合.     

神经网络分类器动态集成方法

提出一种神经网络分类器的动态集成方法.基于bootstrapping构建不同的个体神经网络,针对混合属性,通过不同的加权最近邻设计评估单个网络的分类精度,在此基础上动态选择误差率较小的神经网络,经过投票形成集成分类结果.将该方法与其它几种集成方法在10个UCI数据集上进行了分类性能比较.实验结果表明,该方法在上述所有数据集上的平均分类精度最佳,同时发现,Bagging比隐层神经元数法能更好地生成个体网络,而将两者结合起来训练个体神经网络,并不能明显提高集成性能.     

食用色素混合体系的校准工作矩阵—目标因子分析

采用由目标因子分析法改进形成的校准工作矩阵法，对多组分食用合成色素混合体系进行同时测定．该法通过确认一个相应的校准工作矩阵即可对单个或多个混合样品的各组分进行同时直接测定．对七种三组分食用色素样品（各组分浓度在４．３２～２１．００μｇ／ｍｌ）的分析，各组分的回收率在９７．９３％～１０４．８０％之间．与传统的目标因子分析法比较，此法特别适用于定性组成及定量范围基本清楚的混合样品的例行分析．     

基因芯片研究隐丹参酮对胰岛素抵抗卵巢颗粒细胞基因表达的影响

应用基因芯片技术,从基因水平分析隐丹参酮对胰岛素抵抗卵巢颗粒细胞基因表达的影响.采用猪卵巢颗粒细胞作为体外研究对象,利用磷酯酰肌醇-3激酶(PI-3K)特异性抑制剂--沃曼青霉素人工诱导猪卵巢胰岛素抵抗的细胞模型,以0.02 g/L隐丹参酮进行干预,继续培养48 h后,以Trizol法提取总RNA,采用猪全基因表达谱芯片技术筛选出差异表达基因.隐丹参酮组与沃曼处理组相比,共筛查出42个差异基因,其中22个基因表达下调,20个基因表达上调.研究表明,隐丹参酮可以通过调节多个基因、作用多个信号途径来改善胰岛素抵抗卵巢颗粒细胞的状态.     

食用色素混合体系的样准工作矩阵—目标因子分析

采用由目标因子分析法改进形成的校准工作矩阵法，对多组分食用合成色素混合体系进行同时测定，该法通过确认一个相应的校准工作矩阵即可对单个或多个混合样品的各组分进行同时直接测定，对七种三组分食用色素样品（各组分浓度在４．３２￣２１．００μｇ／ｍｌ）的分析，各组分的回收率在９７．９３％￣１０４．８０％之间，与传统的目标因子分析法比较，此法特别适用于定性组成及定量范围基本清楚的混合样品的例行分析。     

偏心圆筒混合机的运动及混合机理分析

针对偏心圆筒混合机,运用坐标变换方法分析了旋转圆筒在任意时刻的坐标方程,得到了左右端盖质心的运动轨迹.分析单个颗粒的圆周运动,得到了单个颗粒作部分圆周运动的临界角速度;分析颗粒群体的运动,得到了颗粒群体作完全圆周运动的临界角速度,结果表明该值与颗粒物料常数及充装系数相关.从圆周运动和轴向运动两个方面分析混合发生时颗粒物料运动的模式及加料方式对混合效果的影响.对该类型混合机的研制与应用有一定的指导意义.     

降解PVA混合菌系的筛选及菌株的分离纯化

从4个样品中筛选出一能够高效降解聚乙烯醇(PVA)的混合菌系,并对其驯化培养及分离纯化,得到了7株菌株,均能够降解聚乙烯醇.通过菌落形态和生理生化实验对这些菌株进行了初步鉴定.同时考察了混合菌系与单菌株降解效果的比较.结果说明混合菌系的降解效率远远大于单菌株,48h降解率可达90%以上.     

白鹭脱落羽毛的微卫星个体识别研究

利用鹭科鸟类已有微卫星引物进行跨种扩增筛选,获得12对可用于白鹭(Egretta garzetta)的微卫星引物,结合非损伤采集的脱落羽毛样品,在物种分子鉴定和性别分子鉴定的基础上,建立适用于羽毛样品个体识别分析的微卫星基因分型技术体系.在中国沿海的3个白鹭繁殖种群的181样品中,19个羽毛样品由于DNA质量较差未能有效鉴定物种.119个羽毛样品成功地鉴定为白鹭个体,物种鉴定结果可重复率达93.8%.性别鉴定结果可重复率94.1%,119个白鹭羽毛样品当中的28.57%为雄性.基因分型得到各个位点的等位基因数7~22个,观察杂合度和期望杂合度分别为0.623~0.875和0.779~0.918,没有位点偏离哈迪-温伯格平衡,基因分型错误率为1.2%.个体识别分析发现其中的2个样品为相同基因型,为重复采集自同一个体脱落的不同羽毛.本研究结果将为深入研究白鹭种群遗传结构、扩散模式等保护遗传学问题奠定了基础,并且能够为其他鹭科鸟类的脱落羽毛的物种鉴定、性别鉴定、个体识别提供参考.     

燃料电池混合动力船舶复合储能系统与能量管理策略优化

为优化燃料电池混合动力船舶的能量管理策略和复合储能系统容量参数,以某燃料电池混合动力船舶为目标船,在Matlab/Simulink环境中搭建含复合储能系统在内的混合动力系统与能量管理系统仿真模型,应用蚁狮多目标优化算法进行优化,并将优化后的混合动力系统性能与原船进行仿真比较.结果 表明,优化后的混合动力系统能够满足电力需求,改善电能质量,延长设备寿命.     

基于随机矩阵理论分析乳腺癌基因网络

利用随机矩阵理论分析乳腺癌基因微阵列数据,得到乳腺癌基因共表达网络,找出乳腺癌基因共表达网络中重要的增殖模块和免疫模块,并预测基因PMSCL1与乳腺癌细胞的增殖、侵袭及迁移有关,基因CCAN2与乳腺癌细胞的有丝分裂有关,基因SCYA5与乳腺癌细胞的免疫应答有关,基因PRC1、RAB31、INHBA可作为乳腺癌的靶向基因.     

癌症基因表达数据的熵度量分类方法

基因芯片技术的出现和发展为生物医学领域带来了深远影响,运用分类方法研究其产生的海量数据对癌症的分类及治疗有重要意义.该文提出一种利用熵度量作为指标进行癌症基因表达数据特征提取的方法.首先对基因表达数据进行筛选并计算各个基因的熵,然后提取出熵最大的若干基因作为特征基因,并用支持向量机进行分类.对前列腺癌基因表达数据的留一法以及分组法实验都证明了该方法的有效性.     

Discovering the cellular-localized functional modules and modular interactions in response to liver cancer

In this paper, we firstly identify the functional modules enriched with differentially expressed genes （DEGs） and characterized by biological processes in specific cellular locations, based on gene ontology （GO） and microarray data. Then, we further define and filter disease relevant signature modules according to the ranking of the disease discriminating abilities of the pre-selected functional modules. At last, we analyze the potential way by which they cooperate towards human disease. Application of the proposed method to the analysis of a liver cancer dataset shows that, using the same false discovery rate （ FDR ） threshold, we can find more biologically meaningful and detailed processes by using the cellular localization information. Some biological evidences support the relevancy of our biological modules to the disease mechanism.     

银染mRNA差异显示法的建立及其应用

以银染mRNA差异显示方法对原发及转移灶胃癌标本总RNA为研究对象进行银染差示分析和回收差异条带,从中获得系列差异表达片段。随机选取5个从原发性胃癌样品回收的表达条带,以取自体外培养胃癌细胞株的RNA进行点杂交验证,均被证实为真实带。对2个差异表达片段进行分析、测序和GenBank同源比较结果表明：MGD1片段与肿瘤转移相关基因MTA1完全同源,属胃癌转移相关基因;PGD2与胃癌转移抑制相关,并与细胞周期抑制蛋白p27／Kip1具99％的同源性。结果表明,银染差异显示法具有快速、直观、假阳性率低等优点,同时也为进一步研究胃癌转移的相关基因提供了新线索。     

Prominent feature selection of microarray data

For wavelet transform, a set of orthogonal wavelet basis aims to detect the localized changing features contained in microarray data. In this research, we investigate the performance of the selected wavelet features based on wavelet detail coefficients at the second level and the third level. The genetic algorithm is performed to optimize wavelet detail coefficients to select the best discriminant features. Experiments are carried out on four microarray datasets to evaluate the performance of classification. Experimental results prove that wavelet features optimized from detail coefficients efficiently characterize the differences between normal tissues and cancer tissues.     

Prediction of multiple drug resistance phenotype in cancer cell lines using gene expression profiles and phylogenetic trees

When microarray gene expression data are used to predict multiple drug resistance (MDR) phenotypes for anticancer drugs, the normalization strategy and the quality of the selected signature genes are usually the main causes of inconsistency among different experiments. A stable statistical drug response prediction model is urgently required in oncology. In this study, the microarray gene expression data of multiple cancer cell lines with MDR was analyzed. For each probe-set, the expression value was defined as present/absent (1/0) and was classified into a gene set defined with protein domain organization (PDO). After employing the gene content method of phylogenetic analysis, a phylogenetic model (cell tree) for MDR phenotype prediction was built at the PDO gene set level. The results indicate that classification of cancer cell lines is predominantly affected by both the histopathological features and the MDR phenotype (paclitaxel and vinblastine). When applying this model to predict the MDR phenotype of independent samples, the phylogenetic model performs better than signature gene models. Although the utility of our procedure is limited due to sample heterogeneity, it still has potential application in MDR research, especially for hematological tumors or established cell lines.