简介：在文献［１］的基础上，本文将平面体温场分成了九类

简介：据2012年6月6日KitzmanJO[SciTranslMed，2012，4（137）：137ra76]报道，用从1例孕妇及12例即将成为父亲的人身上获取的DNA样本重构了一个人类胎儿的全部基因组序列。

简介：以氨基酸组成为特征对膜蛋白的分类，忽略了序列残基之间的相关性信息，而采用传统支持向量机算法作为分类算法，在解决多类问题时会出现分类盲区问题。针对这两种情况，计算蛋白质序列的氨基酸组成、二肽组成以及6种氨基酸相关系数，将三类特征结合，作为膜蛋白序列的特征向量；同时采用模糊支持向量机作为分类器，解决了传统支持向量机在多类数据识别中的盲区问题。测试结果表明，在相同特征输入下，模糊支持向量机分类性能优于传统支持向量机；在相同分类器的情况下，氨基酸组成、二肽组成和相关系数组合的特征选择方法的分类性能优于只使用其中一类或两类特征的方法；而采取组合特征和模糊支持向量机相结合的分类策略，在独立性数据集测试中的整体预测精度达到97％，优于现有的多种分类策略，是目前最有效的膜蛋白分类方法之一。

简介：据2008年6月1日英国《自然》杂志报道，人类蛋白质组组织前主席约翰·伯杰龙发起一项大规模的破译人类蛋白质组计划，目标是花费约10年时间将人体所有蛋白质归类并描绘出它们的特性．并揭示它们在细胞中所处的位置及每种蛋白质与其他哪些蛋白质存在相互作用。早在20世纪90年代，科学家就已经启动了基因组计划，并经过13年的努力，共同绘制完成了人类基因组序列图。

简介：本研究提出基于三类解剖特征的SVM建模方法,探索样本、特征及算法选择三个因素,对阿尔茨海默症（AD）及其前驱阶段分类的重要性。该方法以三维重构sMRI后不同大脑区域的灰质体积、皮层表面积及其平均厚度三类特征作为SVM模型的输入参数,并采用十折交叉验证方法对AD患者、轻度认知损害患者和健康者进行分类识别,并与其他文献结果进行比较分析。实验结果表明,为了达到更高的分类准确率,选择合适的样本和特征,比选择算法更重要。此结论为未来AD的计算机辅助诊断研究工作提供了有益的指导。

简介：通过比较脑肿瘤患者和正常人脑脊液的二维凝胶电泳图谱(two-dimensionalelectrophoresis,2DE),并对差异蛋白进行质谱鉴定,以寻找肿瘤特异脑脊液蛋白.以脑肿瘤患者和正常人的脑脊液为研究对象,采用固相pH梯度(immobilizedpHgradient,IPG)2DE分离总蛋白质,凝胶经银染显后,用ImageMaster2D图像分析软件进行比较分析、识别差异表达的蛋白质.结果得到肿瘤患者脑脊液蛋白点924个,正常脑组织蛋白点607个,匹配512个,匹配率分别为55.4%和84.3%,去冗余后发现,有35个蛋白点只在脑肿瘤患者脑脊液图谱中出现.肿瘤患者脑脊液和正常对照脑脊液双向电泳图谱有明显差别,但是本实验尚未对这些差异蛋白进行质谱鉴定,所以未找出肿瘤特异蛋白.

简介：通过径向基函数神经网络的分析，对神经元脉冲电位信号提出了新的分类方法。对原始信号进行峰电位检测，获得脉冲电位信号样本，以主成分进行预分类，选取与类中心方差小的典型脉冲电位集合作为径向基网络的训练样本，让神经网络进行自适应学习，以实现对原始信号的分类。仿真结果表明，在对模拟的脉冲电位信号进行分类时此方法的错误率比主成分聚类法和形状聚类法小。多电极细胞外记录的海马神经元细胞电活动信号应用此方法分类也取得了较好的效果。

简介：建立中国对虾肝胰腺蛋白质组学双向电泳技术体系。利用双向电泳技术,以中国对虾肝胰腺为研究对象,通过离心等手段提取蛋白,双向电泳分离,硝酸银染色,进行图谱分析。结果表明：从双向电泳图谱上获得蛋白质斑点。验证了用双向电泳技术研究对虾免疫及其他生理现象的可行性。通过建立中国对虾蛋白质组学双向电泳技术体系,可极大拓宽对虾免疫生理研究的途径,从蛋白质水平探讨对虾发病机制,寻找有效药物靶点,为生物信息学分析奠定了基础,提供了理论依据。

简介：据JainM2018年1月29日（NatureBiotechnology,2018Jan29.doi：10.1038/nbt.4060.）报道,美国诺丁汉大学的研究人员通过研究成功开发出了一种比手机还要小的便携式设备,这种设备能用来测定最完整的人类基因组序列,相关研究或有望未来帮助家庭医生在常规检查和血液检查的过程中对患者进行全基因组扫描检测。

简介：胸痛三联征在临床上有相似的胸痛症状,误诊率居高,其确切病因尚不十分明确。针对经典支持向量机不适用于胸痛三联征此类非平衡数据集分类的缺点,本研究结合径向基核函数、布谷鸟算法以及支持向量机,提出一种基于布谷鸟算法优化支持向量机的分类识别模型,用于胸痛三联征的分类诊断。在收集到的735例有效样本数据集上,采用Java程序抽取平衡数据集。实验结果显示,基于平衡数据集,该模型的平均正确率为80.667%;基于非平衡数据集,其平均正确率为97.767%,相比经典支持向量机、粒子群算法-支持向量机、遗传算法-支持向量机均有不同程度的提高。因此,本研究模型对胸痛三联征的分类诊断具有一定的参考价值。