【摘 要】
:
蛋白质是生命体活动的载体。蛋白质分子的柔性运动对生物体各类反应都有着非常重要的意义,基于蛋白质的空间构象预测其柔性运动有利于更好的理解蛋白质的功能,是蛋白质结构-功能关系探究方面的重要课题。RNA分子的柔性预测研究起步较晚,其结构分析起来也较为复杂。开发可成功应用于蛋白质及RNA柔性预测的数学模型和工具,有助于我们了解蛋白质及RNA的空间结构和生物学功能,可为药物和纳米分子器型的设计以及癌症等相关
论文部分内容阅读
蛋白质是生命体活动的载体。蛋白质分子的柔性运动对生物体各类反应都有着非常重要的意义,基于蛋白质的空间构象预测其柔性运动有利于更好的理解蛋白质的功能,是蛋白质结构-功能关系探究方面的重要课题。RNA分子的柔性预测研究起步较晚,其结构分析起来也较为复杂。开发可成功应用于蛋白质及RNA柔性预测的数学模型和工具,有助于我们了解蛋白质及RNA的空间结构和生物学功能,可为药物和纳米分子器型的设计以及癌症等相关疾病的研究提供关键信息,有重要的实际应用价值。卷积神经网络(Convolutional Neural Network,CNN)是深度学习中最受欢迎的模型之一,对各层次的特征信息提取有较强的性能,已成功应用于多个研究课题,是非常热门的机器学习算法。近几年,CNN方法已被成功应用于蛋白质柔性预测的研究,越来越受广大生物学研究者们的重视。本文基于计算机视觉领域的PointNet思想,提出了一种蛋白质及RNA柔性预测的CNN模型。在该模型中,传入网络的点云数据用蛋白质或RNA的原子坐标表示,为保持点云的旋转不变性和排列不变性,该模型运用了空间变换网络和对称池化操作,同时针对蛋白质及RNA分子大小不一的特性,设计了一种新的批量化策略,该策略旨在将含有不同残基数量的蛋白质或RNA分子小批量传入网络,并将Pearson相关系数作为网络训练的评估指标。此外,为了进一步提升模型的预测性能,在对称池化操作部分,将最大池化和平均池化串联,从而更好的提取体系的全局特征,增强了蛋白质及RNA全局信息的提取能力。为了验证模型有效性,本文利用蛋白质及RNA数据对所提出的模型进行了迭代训练,结果表明,本文模型对蛋白质及RNA数据集温度因子的预测值与实验值的平均Pearson相关系数均优于广泛应用的高斯网络模型。
其他文献
众所周知,机器人系统被认为是一种典型的多输入、多输出的非线性系统,在实际的工作中,不仅会出现速度信息无法测量的情况,而且还会受到外部干扰、非精准测量、负载的变化、摩擦力和随机扰动的存在、以及没有进行建模的动态性等各个不确定性因素的影响。以上各种不确定性的因素会直接或间接地对机器人系统的轨迹追踪性能产生不好的影响,使系统变得不稳定。因此,深入探究机器人系统轨迹跟踪控制器的设计问题就具有更加重要的理论
随着信息技术的快速发展,每天都会出现海量的文本信息。通过人工挖掘信息中蕴藏的丰富知识费时费力,如何快速高效地抽取和利用海量信息中的知识成为人们关注的热点。信息抽取作为一种从非结构化文本中抽取结构性信息的技术应运而生,事件抽取是信息抽取中一个极为重要的任务,正在受到越来越多研究者的关注。事件抽取包括两个任务:事件检测和元素抽取。首先,事件检测的主要任务是基于文本中的触发词进行事件的分类,当前基于深度
目前在海面溢油遥感领域上,公认最好的探测技术之一就是海洋激光诱导荧光(LIF)探测技术。它通过发射激光到海面获得含各种成分信息的荧光,之后分析荧光信号可以得到海面溢油的范围、溢油种类以及溢油厚度等信息。然而单纯的LIF探测系统探测的是一个点,因此可获得信息有限,不能够获取到海面溢油的各项应测参数,而且目前该领域只是对溢油污染未乳化阶段连续薄油膜(d≤10μm)有可用的理论研究成果和探测方法,本文据
即时定位和构图(Simultaneous Localization and Mapping,SLAM)在虚拟现实、增强现实等领域有着广泛的应用。基于特征点的SLAM系统在弱纹理、光照变化剧烈和快速运动的场景中,很难提取到足够的特征点或者特征点分布不均匀,从而导致定位的失败,而线特征在上述场景有良好的表现,本文重点研究了点、线特征结合的视觉惯导SLAM算法。研究内容如下:首先,针对在弱纹理的环境中提
脑机接口(Brain Computer Interface,BCI)技术构建了大脑与外部设备之间全新的连接方式,已经应用于医疗、交通和娱乐等众多领域。基于脑电信号(Electro EncephaloGram,EEG)的BCI技术,由于其无创、时间分辨率高等特性,被广泛应用于BCI系统中。然而,在目前的BCI技术中,EEG数据标注的时间和经济成本较大,且EEG信号存在时变性和个体差异,导致BCI系统
无人驾驶技术正逐步发展并得到快速进步,旨在简化汽车的驾驶操作并提高驾驶系统的安全性。然而无人驾驶车辆的行驶路况并不是单一不变的,面对一些极端场合,无人驾驶车辆需要进行高速行驶,在遇到弯道或者障碍不能减速时,控制车辆进行漂移也是有效的解决途径,因此保证无人驾驶车辆进行稳态漂移并保证车辆安全性是极具意义的研究问题。本文以无人驾驶车辆为对象展开研究:首先,对无人驾驶车辆的稳态漂移动态过程进行动力学分析,
生成式对抗网络因其可以有效地学习数据的潜在分布,并可以生成高质量图像,逐渐在众多生成模型中脱颖而出,备受广大研究者关注。在图像迁移、视频生成、图像生成等很多应用领域中,生成式对抗网络均取得了丰硕的成果。本文针对生成式对抗网络的理论及其在图像生成应用中的问题进行了研究,包括提高生成式对抗网络的整体稳定性和训练速度,降低生成图像中噪音的产生。主要工作如下。首先针对由图像中存在大量冗余信息、和其本身的复
由于多智能体系统比单一智能体更能有效地执行任务,提高系统的故障容错性与鲁棒性,且具有较高的灵活性,现已被广泛应用于自动控制与人工智能领域。特别是关于分数阶多智能体系统一致性控制,受到了许多学者的关注。最近,关于连续分数阶多智能体系统,已有一些研究成果涌现。本文以分数阶间断多智能体系统一致性控制为研究对象,具体工作如下:首先,在无向拓扑结构下,将智能体分成若干组群,当系统内在动力行为函数间断且单调不
模糊控制在过去的几十年中得到了深入的研究,并被认为是分析许多非线性系统的重要媒介。近年来,T-S模糊技术被广泛应用于许多实际领域,引起了学者的关注。T-S模糊系统以IF-THEN规则的形式描述非线性系统,该规则利用模糊隶属度函数表示局部线性输入输出关系。T-S模糊系统不仅是一种有效的非线性系统控制方法,而且是一种充分发挥线性系统理论优势的灵活工具。在T-S模糊系统中,稳定性分析是一个重要的课题。系
许多推荐系统都使用评论文本作为辅助信息缓解数据稀疏和冷启动问题,但目前相关研究中使用的处理评论文本的深度模型(例如卷积神经网络和注意力模型)都会丢失文本的重要信息,而且使用全部评论文档也会令模型受到文档中低质量评论的负面影响。此外,通过将其他域学习到的知识迁移到目标域进行推荐的算法往往只考虑单一的源域,这也存在一些信息挖掘不完全的问题。基于上述问题,本文从单域推荐与跨域推荐两个角度进行建模,以胶囊