面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。     

PBNA： An Improved Probabilistic Biological Network Alignment Method

Biological network alignment is an important research topic in the field of bioinformatics. Nowadays almost every existing alignment method is designed to solve the deterministic biological network alignment problem.However, it is worth noting that interactions in biological networks, like many other processes in the biological realm,are probabilistic events. Therefore, more accurate and better results can be obtained if biological networks are characterized by probabilistic graphs. This probabilistic information, however, increases difficulties in analyzing networks and only few methods can handle the probabilistic information. Therefore, in this paper, an improved Probabilistic Biological Network Alignment（PBNA） is proposed. Based on Iso Rank, PBNA is able to use the probabilistic information. Furthermore, PBNA takes advantages of Contributor and Probability Generating Function（PGF） to improve the accuracy of node similarity value and reduce the computational complexity of random variables in similarity matrix. Experimental results on dataset of the Protein-Protein Interaction（PPI） networks provided by Todor demonstrate that PBNA can produce some alignment results that ignored by the deterministic methods, and produce more biologically meaningful alignment results than Iso Rank does in most of the cases based on the Gene Ontology Consistency（GOC） measure. Compared with Prob method, which is designed exactly to solve the probabilistic alignment problem, PBNA can obtain more biologically meaningful mappings in less time.     

基于全基因组测序的粘绿木霉Gv29-8中分泌蛋白预测

粘绿木霉Gv29-8作为木霉属中重要的生防菌之一,对该菌分泌蛋白进行预测及其特征进行明确具有重要的理论意义。利用SignalP、ProtComp等预测程序对该菌中12427条蛋白质序列进行分泌蛋白找寻,并对上述分泌蛋白的氨基酸分布、信号肽长度大小及切割位点等性质进行分析。粘绿木霉含有分泌蛋白为377个,其氨基酸长度、信号肽长度与植物病原菌不同;信号肽切割位点属于A-X-A类型,与其他已经报道的植物病原真菌、卵菌中分泌蛋白信号肽切割位点一致。     

For whom the bell tolls? DING proteins in health and disease

DING proteins, identified mainly by their eponymous N-terminal sequences, are ubiquitous in living organisms. Amongst bacteria, they are common in pseudomonads, and have been characterised with respect to genetics and structure. They form part of a wider family of phosphate-binding proteins, with emerging roles in phosphate acquisition and pathogenicity. Many DING proteins have been isolated in eukaryotes, in which they have been associated with very diverse biological activities, often in the context of possible signalling roles. Disease states in which DING proteins have been implicated include rheumatoid arthritis, lithiasis, atherosclerosis, some tumours and tumour-associated cachexia, and bacterial and viral adherence. Complete genetic and structural characterisation of eukaryotic DING genes and proteins is still lacking, though the phosphate-binding site seems to be conserved. Whether as bacterial proteins related to bacterial pathogenicity, or as eukaryotic components of biochemical signalling systems, DING proteins require further study. Electronic supplementary material  The online version of this article (doi:) contains supplementary material, which is available to authorized users.     

糖类遗传与生命起源

从遗传学角度探讨了糖类与生命起源，讨论了遗传学上的再认识，提出糖类在遗传学上扮演着重要、核心的角色、糖类是生命起源物质，基因是糖类衍生物。生命诞生过程可能是：先有糖类、然后有氨基酸和碱基；磷酸及其盐类既是生命物质的组成部分、也是催化剂，阳光或地热为能源，于是诞生了基因。生命体是分子相互作用、有序组合、自我调控的耗散体系。     

SCP-2基因的表达调控研究进展

固醇转运蛋白(SCP-2)是广泛存在于脊椎动物和无脊椎动物中的非特异性脂转运蛋白.任何影响固醇转运蛋白基因表达的因素都会影响甾类激素的合成,进而影响生物体的发育.目前对该基因的转录调控研究较少,主要集中在哺乳动物.环境、激素、转录因子等对SCP-2基因的表达调控均有影响,对SCP-2基因作为害虫防治靶标的可能性进行了初步的探讨.C/EBP蛋白作为调控Sl SCPx基因表达的转录因子,可以调控Sl SCPx基因的表达.推测了C/EBP蛋白成为新的害虫防治的靶标的可能.     

蛋白质二级结构预测概率图模型的改进

蛋白质二级结构与蛋白质三级结构及蛋白质功能密切相关,是生物信息学研究的热点,其中概率图模型隐马尔可夫算法(HMM)是该领域研究的重要工具。但是在实际应用中,存在着HMM训练下溢、不同训练集的效果差异较大及参数优化困难等问题。对预测蛋白质二级结构时HMM遇到的训练下溢问题提出了改进方案;首次提出8-状态HMM来预测蛋白质二级结构,并且将参数B改进成为包含状态转移信息的三维参数;为了改进最优HMM模型的确定方法,用每个样本分别对初始HMM模型进行训练,得到一系列新的模型,然后对这些新模型的参数求均值,将求得的均值作为最优模型的参数。这些改进方法提高了HMM预测蛋白质二级结构的准确率,为HMM的进一步优化打下良好的基础。     

基于特征融合的视频异常事件检测方法

为有效对视频数据进行降维并去除特征集合中的冗余信息, 以提高异常事件的检测效率, 从特征提取和选择的角度提出了融合特征区分度和相关性的视频异常事件检测方法。利用视频数据的时空邻域信息进行特征提取。通过分析特征的判别力和相关性进行特征选择, 从而去除特征集合中的冗余信息, 提高异常事件检测的效率和准确性。实验结果表明, 该方法的检测准确率都优于其他传统方法, 能有效地对场景中发生异常事件的区域进行准确定位。     

对绿色住宅设计的能量聚集问题的思考

健康住宅已成为人类自身的身心健康的“绿色”生存环境,设计者为了创造中华民族理想的绿色家园,特别重视住宅的“绿色设计”,而真正的“绿色建筑”,不仅指建筑的低污染、低能耗,对建筑是否具有稳定良好的能量聚集效应,是否有利于人的身心健康应是衡量“绿色”与否的基本标准。本文对住宅能量聚集的影响因素作了一些肤浅的分析,就如何改善住宅能量聚集效应提出了一些措施。要设计能量聚集良好的住宅,还需要经过一个时期的探索和实践,更需要设计师和使用者的共同努力来实现。     

环境污染物PFOS可致人脑微血管内皮细胞骨架蛋白改变

目的:探讨全氟辛烷磺酰基化合物(PFOS)引起的人脑微血管内皮细胞(HBMEC)骨架蛋白(F-actin)排列变化.方法:培养正常的人脑毛细血管内皮细胞,不同浓度PFOS作用30分钟,利用免疫荧光染色的方法检测细胞骨架蛋白F-actin的变化.结果:PFOS可使细胞骨架蛋白F-actin发生重排,这与PFOS的浓度有关.