关键词： 肥厚型心肌病   生物信息学   机器学习   差异表达基因   自噬   关键基因  

摘要： 目的:自噬调节异常与肥厚型心肌病(hypertrophic cardiomyopathy,HCM)密切相关,然而其具体机制仍未阐明。本研究拟探究HCM自噬相关机制及鉴定潜在的关键基因。方法:对HCM患者和健康对照者(healthy controls,HC)的心肌组织转录谱数据进行生物信息学分析,包括自噬相关差异表达基因(differentially expressed genes,DEGs)的鉴定和富集分析,利用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归模型和支持向量机递归特征消除(support vector machine recursive feature elimination,SVM-RFE)分析来筛选关键基因。外部数据集验证关键基因的表达。绘制受试者操作特征(receiver operator characteristic,ROC)曲线评估关键基因的诊断效能。结果:通过比较HCM患者和HC的转录谱数据,并与自噬相关基因取交集,筛选出12个自噬相关DEGs。富集分析表明这些基因主要参与胃泌素信号通路、甘丙肽受体通路、蛋白质相互作用数据库中的白细胞介素-6和白细胞介素-7信号通路、蛋白质相互作用数据库中的激活蛋白1信号通路、1,25-二羟基维生素D3的非基因组作用和凋亡等。筛选出6个候选关键基因,即PRKCD、MYC、DDIT3、CAPN1、HGS和TMEM74。PRKCD、MYC和DDIT3在验证数据集中成功验证,且具备较好的诊断效能。结论:PRKCD、MYC和DDIT3可能是HCM自噬相关的关键基因。

关键词： 房价上涨   房价分化   房价预期   “因城施策”   机器学习方法  

摘要： 面对一二三线城市房价增速的分化走势,“因城施策”逐渐成为主基调,为此需要准确识别不同城市房价分化的主要因素。本文综合使用XGBoost等机器学习方法以及SHAP值解释性方法,基于2009—2019年全国70个大中城市面板数据,测算并分析一二三线城市房价分化的主要因素。结果表明:(1)预期因素在多轮房价分化期间都起到重要驱动作用;(2)货币政策本身并不是房价分化的主要因素,但可以通过影响预期导致房价分化;(3)需求因素和供给因素本身也不是房价分化的主要因素,但也可以通过影响预期导致房价分化。有鉴于此,“因城施策”的关键在于稳定公众对房价的预期:一线城市应在控制土地成本的前提下适当增加住房供给,削弱由于供不应求所带来的房价上涨预期;二三线城市需进一步完善基础设施,提高教育、医疗和环境质量,改善居民购房需求,防范人口外流带来的房价下跌预期。

关键词： 数字技术创新   并购   机器学习  

摘要： 数字技术创新是数字经济发展的动力之源,并购重组是企业获取数字技术、进行数字化变革的高效方式。本文运用文本分析和Word2Vec算法构建数字专利词库、通过机器学习模型对数字技术进行细分,从并购视角探究数字技术创新能否为企业带来价值。本文利用2011—2020年沪深A股上市公司数据,研究发现:目标公司拥有的数字专利越多,企业并购所产生的累积超额收益率越大,即数字技术创新能显著提升并购公司的市场价值;目标公司拥有的数字技术能显著提升并购企业的生产效率、数字技术创新以及商业模式创新;对于处在知识产权保护较强地区、受到分析师关注较高以及拥有首席技术官的并购公司而言,数字技术的这种价值提升效应更明显;就数字技术类别而言,目标公司拥有的云计算技术和通信网络技术是驱动并购公司价值提升的可能原因,且最具价值的数字技术类别存在行业异质性。本文不仅丰富了数字技术创新的相关研究,也为强化数字技术与实体经济的深度融合提供了政策参考。

关键词： 固体推进剂   HTPB   颗粒级配   机器学习   神经网络   力学性能  

摘要： 固体推进剂中AP颗粒的级配不同会导致力学性能相差巨大,为了探究AP颗粒的粒度值和质量分数对端羟基聚丁二烯(HTPB)推进剂力学性能的影响规律,采用机器学习的方法对推进剂的力学性能进行仿真预测,降低了实验成本并提高了预测效率。首先,对不同级配的HTPB推进剂进行拉伸试验,得到不同温度下抗拉强度和伸长率;其次,以拉伸试验结果为样本进行机器学习,分别构建了反向传播(Back Propagation,BP)神经网络、粒子群算法优化的反向传播(Particle Swarm Optimization Back Propagation,PSOBP)神经网络和遗传算法优化的反向传播(Genetic Algorithms Back Propagation,GABP)神经网络对推进剂的力学性能进行预测。结果表明,力学性能与颗粒级配的内在关系较为复杂,并非简单的线性关系。PSOBP和GABP可以用于预测不同级配下HTPB推进剂力学性能,并且GABP神经网络可以更好地预测推进剂的力学性能变化。

关键词： 盾构隧道   机器学习   隧道施工   大数据   人工智能  

摘要： 随着盾构隧道工程信息化水平的提升,隧道掘进设备作业过程监测技术日益完善,记录的工程数据蕴含了掘进设备内部信息及其与外部地层的相互作用关系。机器学习因其数据分析能力强,无需先验的理论公式和专家知识,相较于传统的建模统计分析方法具有更大的应用空间。通过机器学习方法对收集的信息与数据进行深度挖掘并分析其内在联系,有助于提升盾构隧道工程建设的效率和安全保障水平。简述机器学习方法的基本原理,总结和分析机器学习方法在盾构工程中的应用研究状况,综述基于机器学习的盾构设备状态分析、盾构设备性能预测、围岩参数反演、地表变形预测和隧道病害诊断等5个方面的进展,并分析当前研究的不足。最后,分析盾构隧道工程向智能化方向发展需重点攻克的难题。

关键词： 公司债券   信用利差   SHAP解释性方法   机器学习  

摘要： 基于2008—2022年我国A股上市公司发行的公司债券二级市场月度面板数据,使用多种机器学习方法研究债券个性因素与公司个性因素对公司债券信用利差的影响与贡献。研究结果表明,信用评级、月交易天数比例、公司产权性质、公司规模为公司债券信用利差的重要影响因素,企业资产负债率、债券剩余期限、控股股东股权质押比例、资产回报率、公司所属行业、第一大股东持股比例、公司股价波动和债券换手率为公司债券信用利差的次要影响因素;公司债券信用利差预测值与信用评级、公司规模、公司产权性质显著负相关,与债券月交易天数比例显著正相关;月交易天数比例、公司产权性质、公司规模对不同信用评级组别的影响存在异质性。债券月交易天数比例和公司产权性质对AA级及以下的低信用评级公司债券信用利差影响更大,发债公司规模对不同信用评级公司债券信用利差影响的差异性较小。

关键词： 中药材   产地识别   种类识别   机器学习   比较分析  

摘要： 中药材的种类和道地性决定了药物的疗效和品质,准确识别其种类和产地具有挑战性。目前,机器学习方法是物体种类识别的重要方法之一,机器学习算法对中药材种类和产地识别的有效性有待进一步验证。文章基于一些中药材种类和产地的近红外光谱数据,利用机器学习方法中的一些经典算法,如决策树、支持向量机、最近邻算法、集成学习等,通过比较和分析这些方法对于中药材的种类和产地识别的准确率,得出所有的方法对中药材种类识别有效,但只有集成学习中的子空间判别法对于产地鉴别有效。

关键词： 空气质量   影响因素   定量分析   机器学习   稳定性选择  

摘要： 空气质量指数(AQI)的精准预测及影响因素识别,对空气污染防护和治理具有重要现实意义。选取北京市2014年第一季度至2022年第二季度AQI作为研究对象,探究六大污染物、五个气象因子和十四个经济变量对空气质量影响。选用DT,RF,GBDT和XGBoost模型对AQI进行预测,并使用稳定性选择方法定量分析各个变量对AQI的贡献。结果表明:四种模型方法均有良好的预测效果,其中XGBoost和RF的预测效果最优;六大污染物中PM2.5,PM10浓度和气象因素中的风速和气压对AQI影响较大;十四个经济变量对AQI的影响差异较大,其中城镇居民人均可支配收入、第三产业GDP和规模以上工业总产值等对AQI影响较大,而第一产业GDP和公路货物运输量等影响较小。

关键词： 甜味剂   机器学习   深度学习   分类   预测  

摘要： 甜味剂是一种赋予食品以甜味的物质,可分为天然甜味剂和人工合成甜味剂。在甜味剂开发过程中,基于机器学习的甜味剂分类预测模型可从大量的天然或合成分子中有效筛选出甜味剂分子,显著减少时间和资金成本。为了深入分析基于机器学习技术来驱动甜味剂研究发展的潜力与方向,本文从甜味剂分子表征数据集与机器学习技术相结合的新视角入手,分别从传统机器学习技术的甜味剂分类、深度学习技术的甜味剂分类和机器学习技术的甜度预测等方面总结与概括机器学习技术在甜味剂分类与预测中的最新研究成果。最后总结分析了食品甜味剂智能分类预测模型的发展趋势,如融合多模态分子表征数据形式的机器学习方法研究、多味型智能分类方法研究和不同规模数据集下深度学习方法研究。

关键词： 早发型子痫前期   计算生物学   机器学习   基因表达   细胞微环境   巨噬细胞  

摘要： 目的通过生物信息学分析及机器学习方法探索早发型子痫前期(early-onset pre-eclampsia, EOSP)的特征基因及相关免疫细胞浸润分析。方法在基因表达综合(Gene Expression Omnibus, GEO)数据库中, 以"early-onset pre-eclampsia"为检索词, 检索EOSP与正常妊娠的胎盘组织mRNA序列。采用R语言对芯片数据进行背景校正、标准化、汇总和探针质量控制, 下载注释包进行ID转换, 提取表达矩阵, 使用limma软件包分析去除批次效应后的元数据中EOSP与正常妊娠之间差异表达基因(differentially expressed genes, DEGs)。通过支持向量机递归特征消除(support vector machine-recursive feature elimination, SVM-RFE)分析和LASSO回归模型识别特征基因。通过计算受试者工作特征曲线的曲线下面积(area under the curve, AUC)分析特征基因的诊断能力。然后回顾性收集2022年1月1日至2023年2月28日在首都医科大学附属北京妇产医院分娩的15例EOSP及15例正常妊娠孕产妇的胎盘组织, 应用实时荧光定量聚合酶链反应和蛋白质印迹法验证特征基因的表达情况, 并在验证集中进一步验证。最后, 使用CIBERSORT分析EOSP中免疫细胞浸润的相对比例。组间差异分析采用t检验。结果共检索获得3个基因数据集, 包括GSE44711(EOSP与正常妊娠各8例)、GSE74341(EOSP与正常妊娠分别为7例和5例)及GSE190639(EOSP与正常妊娠各13例), 合并GSE44711和GSE74341数据集后共筛选出了29个DEGs, 其中包括27个上调及2个下调的基因。GO富集分析结果显示这29个DEGs主要参与促性腺激素分泌、女性妊娠、调控内分泌过程、内分泌激素分泌及激素分泌的负调节过程。通过LASSO回归算法及SVM-RFE算法联合分析共筛选出8个特征基因, 分别为EBI3、HTRA4、TREML2、TREM1、NTRK2、ANKRD37、CST6及ARMS2;定量逆转录聚合酶链反应和蛋白质印迹法验证特征基因的表达差异均有统计学意义(P值均<0.05, CST6除外)。Logistic回归分析结果显示, TREML2、ANKRD37、NTRK2、TREM1、HTRA4、EBI3及ARMS2的AUC(95%CI)分别为0.979(0.918~1.000)、0.969(0.897~1.000)、0.969(0.892~1.000)、0.979(0.918~1.000)、0.990(0.954~1.000)、0.990(0.954~1.000)、0.903(0.764~1.000)。免疫细胞浸润结果显示EOSP胎盘组织中的M2巨噬细胞的浸润比例显著低于对照组(0.167±0.074与0.462±0.091, P=0.002), 但单核细胞和嗜酸性粒细胞的浸润比例明显高于对照组(0.201±0.004与0.085±0.006, 0.031±0.001与0.001±0.000, P值均<0.05);特征基因与浸润性免疫细胞之间的相关性分析结果显示7个特征基因与免疫细胞之间密切相关(P值均<0.05)。结论通过生物信息学分析及机器学习方法筛选出7个对于EOSP的早期诊断具有重要意义的特征基因, 为后续子痫前期的预防及治疗提供了新的研究靶点和依据。