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:目的分析癌胚抗原(carcinoembryonicantigen,CEA)的B细胞表位,为肿瘤治疗提供理论基础。方法以CEA的完整氨基酸序列为研究基础,采用Hopp&Woods的亲水性方案,Emini表面可及性方案和Jameson-Wolf抗原指数方案,辅以CEA的二级结构及其柔性区域分析,预测CEA的B细胞表位。结果预测的B细胞表位可能位于CEA的N端第150~160、168~172、207~211、332~338、372~377、467~472、485~490、507~516、580~584区段。结论应用多参数预测CEA的B细胞表位,可进一步用于CEA相关肿瘤治疗性表位疫苗的分子设计和研究。
简介:比较不同MHC-Ⅱ类抗原表位预测软件的优缺点,为后续应用提供依据。在众多HLA-Ⅱ类抗原表位中,选取HLA-DR的6个表位(DRB1*0101,0301,0401,0701,1101和1501)为代表,选取MHCBN数据库中的309条已知抗原表位的肽链为待测肽链。使用近年来常用的7个表位预测软件,根据不同软件的临界值确定入选结果数据,比较各软件所得结果与已有的实验结果之间的差距以确定其优劣。综合7个软件预测结果进行评价,得出NetMHCⅡ和NetMHCⅡpan所得结果准确率最高。可以用NetMHCⅡpan及NetMHCⅡ进行MHC-Ⅱ类分子抗原表位预测。不同软件HLA的各个亚型的预测所得指标不一致,提示综合运用不同软件对多肽表位进行预测十分必要。
简介:提出一种基于遗传规划(geneticprogramming,GP)和进化策略(evolutionstrategy,ES)的学习方法,命名为遗传规划-进化策略(GPES),建立更准确的华法林剂量预测模型。纳入247例汉族患者。GP进化复杂特征提取,ES进化模型系数,组成模型,得出预测的华法林维持剂量,与线性回归模型、国际华法林药物基因组学联合会模型,及三种机器学习方法相比较。GPES的均方误差(MSE)(1.68×10^-2)和预测值在真实值±20%范围内的比例(20%-p)(53.33%)表现最优;其平方相关系数(R^2)(69.45%)为次优;GPES在上述3个指标在测试集与训练集中的差值δMSE(0.43×10^-2)和δ20%-p(0.92%)的绝对值最小,δR2(-10.64%)的绝对值为次小。GPES总体表现最优。因此,本研究方法GPES提高了华法林剂量预测模型的趋势相关性、精度、可用性与泛化性。
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。
简介:目的系统评价MRI弥散加权成像(DWI)在预测乳腺癌新辅助化学治疗结果方面的准确性。方法选择PubMed、EMBASE和Cochranelibrary数据库,采用EMTREE术语(用于EMBASE)、医学标题术语(用于Medline)和文本词汇(用于其他),即('breastcancer'或'breastneoplasm')和('diffusionweightedmagneticresonanceimaging'或'diffusionweightedMRI'或'diffusionMRI'或'DWI')和('neoadjuvanttherapy'或'neoadjuvanttreatment')和('chemotherapy'或'pharmacotherapy'或'drugtherapy'),进行全面的文献检索。时间为1996年至2018年11月21日。评估纳入研究的方法学质量,对其灵敏度和特异度进行异质性检验并进行合并加权分析,绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC)。结果最终纳入12篇文献,536例研究对象。Meta分析结果显示:合并加权灵敏度和合并加权特异度及其95%置信区间(CI)分别为85%[95%CI(0.76~0.92)]和78%[95%CI(0.64~0.88)]。异质性分析灵敏度(I~2=53.51,P=0.01)和特异度(I~2=83.18,P<0.001)差异有统计学意义,主要是由于存在阈值效应(r=0.694;P=0.012)。使用ROC曲线,AUC为0.89(95%CI:0.86~0.92)。Deeks漏斗图不对称检验表明,无明显的发表偏倚(P=0.54)。结论DWI是预测乳腺癌新辅助化学治疗疗效的有价值的成像工具。
简介:骨表观力学性能参数常被用来评定骨质量,而微观力学性能参数由于难以测得尚未被广泛应用。为从微观水平评判骨质量,本研究提出一种骨微观力学性能参数的预测方法。该方法以大鼠股骨皮质骨为研究对象,预测其在微观水平的失效应变。首先依据扫描影像建立大鼠股骨皮质骨有限元模型,然后以表观压缩实验为研究依据,模仿实验条件,模拟皮质骨有限元模型在压缩载荷作用下的断裂过程,并通过与实验所测表观应力-应变曲线进行对比、反演,预测出大鼠股骨皮质骨在微观水平的失效应变。分析结果显示四只7月龄大鼠股骨皮质骨的微观失效应变数值处于4.53%-4.75%之间。经验证,本方法能够准确预测出骨结构在微观水平的力学性能参数。