关键词： 生物信息学   机器学习方法   蛋白质亚细胞位点   最佳分割位点   夹克刀检验  

摘要： 生物信息学是一门交叉学科,它包含了生物信息的获取、处理、存储、分发、分析和解释等在内的所有方面,它综合运用数学、计算机科学和生物学的各种工具,来阐明和理解大量数据所包含的生物学意义。生物信息学的研究方面十分广泛,其中,蛋白质亚细胞位点定位是目前热门的研究课题之一。一个完整的细胞可以分成许多不同的细胞区域,如细胞质、叶绿体、线粒体等,大多数蛋白质在核糖体中合成以后要被转运到特定的细胞器中,蛋白质只有在合适的位点才能执行其特定的功能,否则会产生其它影响,甚至导致疾病产生。因此,能够准确有效的预测蛋白质的亚细胞位点具有十分重要的生物学意义。 本文的内容如下: 第一章介绍生物信息学产生的背景、研究的对象、内容以及本文的工作。 第二章介绍生物信息学中有关分类问题中的一些机器学习方法,包括k-最近邻算法、贝叶斯统计、神经网络模型和支持向量机等。 第三章给出一种基于最优分割位点的蛋白质亚细胞位点预测方法。根据每条蛋白质序列的最佳分割位点,把序列分割成三部分:N端分选信号部分、中间部分和成熟白质部分,然后在每个子序列中分别提取特征,这些特征包括氨基酸组分,双肽组分以及氨基酸的物理化学性质,最后再把这些特征融合在一起作为整条序列的特征。通过夹克刀检验,该方法在NNPSL数据集上得到的原核生物蛋白质序列和真核生物蛋白质序列的预测精度分别是92.1%和87.8%。

关键词： Chemoinformatics   machine learning  

摘要： Machine learning techniques provide a strong basis for enhancing the process of drug discovery within the pharmaceutical industry. During the last decade, chemoinformatics - briefly defined as informatics applied on chemical data - has gained much importance due to the economical benefits obtained from the application of in silico (i.e., computer-based) models. Prediction of candidate compounds for medicinal use is a hard task due to the complex and usually unknown relationships between structure and biological properties. This short article aims at summarizing the main contributions of a PhD thesis [PhD thesis, Universidad Nacional del Sur, Argentina, 2010] and, at the same time, at encouraging research on this challenging area.

关键词： 生物信息学   蛋白质功能位点   序列保守性   机器学习方法   ROC分析  

摘要： 近年来,生物信息学逐渐渗透到生物学的各个研究领域,悄然改变着传统生物学的研究方式。其作用主要体现在两个方面：(1)借助计算机和数学方法处理海量的生物数据,通过数据挖掘发现其中隐藏的生物学规律。(2)通过数学建模的方法对传统生物学难题进行分析和预测,从而为生物学实验的设计提供帮助。作为生物信息学中一个重要的公开问题,蛋白质功能位点预测就是一个典型的通过数学建模方法对传统生物学问题进行分析和预测的例子。通过数学模型对一条蛋白质链中各个位点是功能位点的潜在可能性进行打分,其结果能为传统的“位点突变”实验方法提供直接的帮助。本文我们关注于该领域中的催化位点预测问题,主要成果有： (1)在第二章,提出了两种新的氨基酸背景频率来代替氨基酸的观测背景频率；在度量氨基酸物理化学性质的保守性时,不同于在已往的方法中采用的氨基酸非交叉分类,我们采用了Taylor的氨基酸10种交叉分类来描述氨基酸的物理化学性质；我们还把氨基酸物理化学性质的背景频率引入到相对熵的模型中,用来消除氨基酸物理化学性质的进化压力。 (2)在第三章,研究了基于机器学习的催化位点预测方法。首先提出了一种基于序列的催化位点预测方法,该方法中我们使用了数种新的基于序列的特征和L1-logreg分类器。结果表明我们的新特征要优于已有的特征,同时L1-logreg分类器的速度要远远地快于常用的支持向量机的速度；然后我们测试了如何在机器学习方法中使用保守性特征,发现该类特征为基于机器学习的方法提供了主要信息,但结合序列和结构上邻近位点的保守性信息不一定为预测提供帮助。 (3)在第四章,研究了如何使用ROC分析评价催化位点预测方法。我们提出了一种新的序列特异策略,实验表明我们的新策略很好地克服了位点特异策略的缺点,能够更准确的评价一个方法的表现,故我们建议在以后的工作中采用该策略。

关键词： 细胞色素P450酶   药物代谢   非同义单核苷酸多态性   分子动力学模拟   分子对接   机器学习方法  

摘要： 细胞色素P450酶家族是人体中重要的一类单氧化酶,在体内发挥着许多功能,特别在药物代谢过程中具有重要作用,是人体内主要的药物代谢酶。同时此类酶的另一特性是在基因水平上具有广泛的遗传多样性,可以引起不同个体之间药物代谢能力的明显差异。因此对于细胞色素P450酶介导的药物代谢过程、不同细胞色素P450酶单体与化合物之间的代谢关系、基因多态性对于细胞色素P450酶的功能影响以及不同细胞色素P450酶突变体的活性改变机制等一直是人们对于细胞色素P450酶研究的热点。本文主要针对细胞色素P450酶的非同义单核苷酸多态性对于酶功能活性的影响及细胞色素P450酶与不同化合物之间的代谢关系进行四方面相对独立的研究,下面对进行的研究内容和所得到的结论进行简要的描述。 1、通过收集和阅读相关文献,构建了侧重于细胞色素P450酶的非同义单核苷酸多态性(nsSNP)影响酶活性变化的数据库CYP-nsSNP。该数据库不仅对已测定的相关实验数据进行了有效的整理,同时也可以为理论研究氨基酸在维持细胞色素P450酶活性中的作用提供了可靠的数据资源; 2、利用分子动力学模拟和分子对接以及其它基于蛋白结构的方法对于蛋白表面具有重要作用的氨基酸突变F186L如何影响CYP1A2结构和功能进行了系统研究。从蛋白结构和蛋白运动的角度上分析了该表面氨基酸突变对于酶活性的作用,在原子水平上对于此表面氨基酸突变导致酶活性改变给予了合理的解释,并且首次在细胞色素P450酶研究中将蛋白运动和底物通道相结合进行分析。同时提出了与别构效应调节相类似,表面氨基酸突变可以借助影响蛋白运动和改变蛋白构象的方式来调节蛋白活性; 3、利用机器学习方法从化合物结构出发对于不同细胞色素P450酶底物代谢的选择性进行研究。将遗传算法和人工神经网络方法以及多标签K邻近分类法联合使用,分别构建出可以对细胞色素P450酶底物进行分类的单标签多类别和多标签多类别分类模型。与其它细胞色素P450酶底物的分类模型相比,我们的模型涵盖了更多种类的细胞色素P450酶,更加符合体内细胞色素P450酶所介导的药物代谢; 4、将基于蛋白结构和小分子结构的两类方法相结合,构建出针对CYP1A2酶活性中心的结构模型。通过该模型我们可以获得组成CYP1A2酶活性中心的重要氨基酸残基在底物结合过程中所发挥的作用,并且对于药物代谢位点预测、药物设计以及有目的酶功能改造提供了详实可靠的信息。

关键词： 朴素贝叶斯   支持向量机   特征抽取   特征选择   功能磁共振成像  

摘要： 图像中蕴含着丰富的情感语义,图像情感语义识别是图像处理、人工情感、机器学习、认知心理学多领域研究的热点。图像情感是人们观看图像时的情感反应,是人们对图像的一种主观反应,是一种隐式的,内隐的反应。现有文献大部分都是基于图像本身的低阶特征,并通过机器学习建立和情感语义之间的关系。选用已标注的情感图像库是这类研究的关键,但是目前大多数的图像库的情感是人工标注的,这种标注需建立在统计学基础上,需要大量人力,物力,且人工标注很难反映内隐的情感体验。 功能磁共振成像(functional magnetic resonance imaging, fMRI)是一门图像技术,主要是通过测量血氧水平依赖信号进行脑激活研究。随着fMRI在情绪过程研究中的应用,研究人员发现不同的情感将产生不同的激活模式。本文提出采用fMRI技术观察人脑对图像情感的反应,利用机器学习的方式建立脑激活模式与情感之间的映射关系,通过训练得到的分类器对未知图像情感进行自动标注。 本研究是国家自然科学基金“基于fMRI个性化图像情感标注及其本体库研究”的一部分(ID“60970059”),属于探索性研究,主要是研究不同情感类型在大脑中的激活模式,选择合适的特征选择方法提高分类器的准确度,实现对fMRI数据情感类型的解读。本论文主要工作如下： 1.研究不同情感在脑中的功能定位。设计图像情感磁共振实验,实验采用事件相关性设计,在实验过程中,被试通过按键确定图像的情感语义(正性、中性、负性)。选用包括场景、人物、动物情感明确,歧义少的图片用于研究图像情感。采用Statistical Parametric Mapping (SPM)软件对获得的fMRI数据进行分析,利用f-test对比方式,获得正性、中性、负性三个条件对比激活的脑区。通过实验发现,外核,额上回,中央前回,额中回,颞上回,顶叶,枕叶等脑区被明显激活,这些激活脑区与已有的文献报道相吻合。 2.针对fMRI数据样本少,高维等特点,对分类器的性能进行研究对比。研究发现,选用相对简单的线性分类器进行fMRI数据分类,分类正确率超过随机水平,平均准确度接近参与被试主观预测,并且具有较快的数据处理速度。实验结果也表明,采用线性分类器分析fMRI数据,能够解读其中蕴含的情感状态。 3.分类器算法的关键是选择合适的特征。本研究以体素作为特征,采用特征抽取和特征选择两种方式进行降维：首先,特征抽取,选择SPM产生的激活区中的体素作为特征；然后,特征选择,基于单个体素的准确度或激活度排序体素,并从中选择最优体素。该方法有效提高分类器的准确度,准确度最高达到90%左右。

关键词： 乙酰胆碱酯酶抑制剂   机器学习方法   变量筛选   应用域  

摘要： 我们构建了表征乙酰胆碱酯酶抑制剂分子组成、电荷、拓扑、几何结构及物理化学性质等特征的1559个描述符,通过Fischer Score排序过滤和Monte Carlo模拟退火法相结合进行变量筛选得到37个描述符,然后分别用支持向量学习机(SVM)、人工神经网络(ANN)和k-近邻(k-NN)等机器学习方法建立了乙酰胆碱酯酶抑制剂的分类预测模型.对于训练集的515个样本,通过五重交叉验证,各机器学习方法对正样本,负样本和总样本的平均预测精度分别为87.3%-92.7%,67.0%-81.0%和79.4%-88.2%;通过y-scrambling方法验证SVM模型是否偶然相关,结果正样本,负样本和总样本的平均预测精度分别为72.7%-82.5%,41.0%-53.0%和62.1%-69.1%,明显低于实际所建模型的预测精度,表明所建模型不存在偶然相关;对172个没有参与建模的外部独立测试样本,各机器学习方法对正样本,负样本和总样本的预测精度分别为93.3%-100.0%,74.6%-89.6%和86.1%-95.9%.所建模型中,SVM模型预测精度最好,且明显高于其它文献报道结果.

关键词： 结构可靠度分析   高斯过程   抽样方法   Reliability   Analysis   Sampling   Method   机器学习方法   重要抽样法   参数自适应   显式表达   实现结构   实例验证   失效概率   可靠指标   计算效率   计算精度   计算结构   功能函数   分析方法   传统方法   偏导数  

摘要： 针对传统复杂水工结构可靠度分析方法的局限性,提出了结构可靠度分析的高斯过程重要抽样方法。通过高斯过程机器学习方法实现结构功能函数及其偏导数的显式表达,进而结合传统重要抽样法计算结构的失效概率与可靠指标。实例验证了方法的可行性,与传统方法相比较,高斯过程重要抽样方法具有计算精度高、计算效率高和参数自适应化等优点。

关键词： 中药化学成分   机器学习方法   靶点识别  

摘要： 与有效成分相作用靶点的识别是从分子水平阐明中药作用机理的关键步骤。本文提出1种新的思路来解决中药化学成分的靶点识别问题。该方法基于小分子化合物的结构,计算表征分子组成、电荷分布、拓扑、几何结构及物理化学性质的分子描述符,经BestFirst搜索策略和CfsSubsetEval评估策略相结合的方法筛选出与靶点作用活性相关的分子描述符。采用径向基神经网络、朴素贝叶斯和随机森林3种机器学习方法构建一系列靶点的识别模型,后期将所建模型整合成靶点识别系统,进而预测中药有效成分的作用靶点。采用10折交叉验证,3种方法得到总的预测正确率分别为83.33%～95.71%、84.62%～96.43%、82.14%～95.59%,识别过程在(0.02～0.19)秒完成。实验结果证明该方法不但简单有效,更主要的是满足面向中药化学成分的靶点识别任务对辨识效率的要求。

关键词： 情绪监控   情绪监控预警模型   机器学习方法   预警指标  

摘要： 突发事件所引发的群体情绪可能会导致衍生群体事件的发生,所以有必要对群体情绪演化进行监控预警。本文对突发事件发生、发展过程中群体情绪的演化进行了研究,建立了面向突发事件的情绪层次模型以及情绪监控预警模型。通过支持向量机、贝叶斯文本分类算法、n元语言模型三种机器学习算法,以及CH I(卡方检验)、DF(文档频率)、IG(信息增益)三种特征选择方法对突发事件相关的微博评论进行了情绪分类的实验分析,实验结果表明支持向量机、IG取得的分类性能最优,得到的分类结果可以满足实际应用的需求。进而对王家岭矿难、山西疫苗两个突发事件进行了实际案例研究,建立并分析了情绪层次演化曲线。最后提出了群体情绪演化预警指标以及预警模式的概念。

关键词： Schizophrenia   Clozapine   EEG   Treatment-efficacy prediction   Machine learning   Psychiatry  

摘要： Objective: To investigate whether applying advanced machine learning (ML) methodologies to pre-treatment electroencephalography (EEG) data can predict the response to clozapine therapy in adult subjects suffering from chronic schizophrenia. Methods: Pre-treatment EEG data are collected in 23 + 14 schizophrenic adults. Treatment outcome, after at least one year follow-up, is determined using clinical ratings by a trained clinician blind to EEG results. First, a feature selection scheme is employed to select a reduced subset of features extracted from the subjects' EEG that is most statistically relevant to our treatment-response prediction. These features are then entered into a classifier, which is realized in the form of a kernel partial least squares regression method that performs response prediction. Various scales, including the positive and negative syndrome scale (PANSS) are used as treatment-response indicators. Results: We determined that a set of discriminating EEG features do exist. A low-dimensional representation of the feature space showed significant clustering into clozapine responder and non-responder groups. The minimum level of performance of the proposed prediction methodology, tested over a range of conditions using the leave-one-out cross-validation method using the original 23 subjects, with further testing in an independent sample of 14 subjects, was 85%. Conclusions: These findings indicate that analysis of pre-treatment EEG data can predict the clinical response to clozapine in treatment resistant schizophrenia. Significance: If replicated in a larger population, this novel approach to EEG analysis may assist the clinician in determining treatment-efficacy. (C) 2010 International Federation of Clinical Neurophysiology. Published by Elsevier Ireland Ltd. All rights reserved.