强波
- 作品数：11 被引量：11H指数：2
- 供职机构：国防科学技术大学机电工程与自动化学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：生物学医药卫生自动化与计算机技术更多>>
- 基于局部支持向量机的蛋白质相互作用的预测方法被引量：5
- 2008年
- 针对蛋白质相互作用的预测问题,我们提出了一种基于局部支持向量机的预测方法。该方法充分考虑了蛋白质相互作用数据的局部相似性特征,提出在待测样本附近构建支持向量机模型。对两个真实的蛋白质相互作用数据集H.pylori和Human的测试表明。
- 倪青山王正志王广云强波
- 关键词：蛋白质相互作用支持向量机核函数
- 一种基于线性流形的基因表达数据的聚类方法
- 2010年
- 由于基因表达数据的稀疏性和噪声性,传统聚类算法对其聚类时不能取得好的效果。针对这一问题,一种新的线性流形方法被提出,它的基本思想是搜索数据集中的线流形聚类,再将其中某些线流形聚类融合构造高维流形聚类。该算法将切向距离和法向距离作为线性流形的距离度量,运用空间近邻信息,采用聚类基因的平均表达水平作为转移向量,提高了聚类的准确度。实验结果表明,该算法的聚类准确性优于其它聚类算法,并且对带有噪声的数据可以保持较高的聚类准确度;在对Hela基因表达数据聚类时,算法得到了具有显著生物学意义的聚类。这些都说明提出的算法对基因表达数据聚类的适用性和有效性。
- 黎刚果王正志王广云倪青山强波
- 关键词：基因表达数据线性流形子空间聚类
- Hela基因周期表达数据聚类及功能分析
- 2009年
- 目的:进一步了解与宫颈癌相关基因的功能以及作用关系。方法:根据Hela基因周期表达数据的时序特点,提出了KLCC聚类法。该方法以K-means法为平台,以基因间的局部相关系数(Local Correlative Coefficient,LCC)为相关性测度,并对K-means法进行了相应的改进,根据基因间的相关关系,分批对基因聚类。结果:在对Hela基因周期表达数据的聚类分析中,得到9个显著的功能类,其中有3个与肿瘤紧密相关,具有优于当前常用算法的性能。结论:KLCC法能够有效地识别Hela基因周期表达数据中的局部相关和异步相关,并对其进行功能显著的聚类,为宫颈癌的基因治疗提供参考和依据。
- 王广云倪青山强波王正志
- 结合GO体系信息与芯片数据构建肿瘤特征基因网络
- 2009年
- 我们提出了一种新的肿瘤特征基因调控网络构建方法,首先用P-tree方法快速筛选肿瘤特征基因集;然后结合GO体系中对基因的注释信息与芯片数据信息对特征基因进行聚类;最后通过文献挖掘方法,以聚类获得的每个功能类中的基因为核心,建立肿瘤特征基因功能类网络模块。实验结果表明:本研究的方法明显提高了特征基因筛选速度,网络构建基于生物功能过程进一步细化,同时通过文献挖掘方法在网络中补充入大量与肿瘤特征基因发生直接或间接关系的基因,网络内容更加丰富与条理化。通过结合芯片数据,GO体系与相关文献中信息构建肿瘤特征基因调控网络能够构建更为细致、丰富,并针对具体调控过程的网络模块,为肿瘤的产生,发展与转移过程分析提供有效的指导。
- 强波王正志倪青山
- 关键词：特征基因调控网络功能类
- 面向调控网络参数学习的无迹粒子滤波算法
- 2011年
- 目前基于微分方程模型学习网络参数的工作普遍基于卡尔曼滤波器,对所分析系统有线性假设前提,而基因调控网络具有强非线性,因此需要更适用于非线性模型的方法。提出了一种基于无迹粒子滤波器学习基因调控网络参数的方法,由于粒子滤波方法不受模型线性假设的约束,因此能够对非线性系统进行更好的拟合。通过对Repressillar模型中隐变量与未知参数的估计并与无迹卡尔曼滤波器所获结果的比较,提出的算法有效减少了估计误差。并对粒子数目对结果的影响进行了分析。相较于卡尔曼滤波器,无迹粒子滤波方法对于调控网络参数学习精度更高。粒子数目太少或太多都会减弱估计精度,因此选择适当的粒子数目非常重要。
- 强波王正志倪青山
- 关键词：基因调控网络常微分方程非线性
- 基于动态贝叶斯网构建基因调控网络被引量：5
- 2008年
- 动态贝叶斯网络(dynamic bayesian network,DBN)是一种基于时序表达数据构建基因调控网络的重要方法。然而目前的DBN方法因计算时间太长,结构不稳定,准确度低,对有效性有很大影响。根据动态贝叶斯网络的度量可分解性质,将动态贝叶斯网络分为初始网络与转移网络分别进行结构寻优,在寻优时将基于静态贝叶斯网络的最大权重生成树算法与贪婪搜索算法相结合,移植入动态贝叶斯网络中,建立基因调控网络模型。提出了一种从时序数据中构建基因调控网络的方法,克服了贝叶斯网络不能描述循环调控的缺陷,也从规模上简化了网络构建问题。通过与相关实验文献的对照,验证了提出方法的有效性,网络学习时间明显缩短,网络结构更加稳定。
- 强波王正志
- 关键词：动态贝叶斯网络基因调控网络
- 基于GES机制遗传算法构建基因调控网络
- 2010年
- 目的:基因调控网络在药物研发与疾病防治方面有重要的生物学意义。目前基于芯片数据构建网络的方法普遍效率不高,准确度较低,为此提出了一种新的高效调控网络结构预测算法。方法:提出了一种基于贪婪等价搜索机制的遗传算法构建基因调控网络模型。通过引入遗传算法的多点并行性,使得算法易于摆脱局部最优。通过编码网络结构作为遗传算法的染色体和设计基于GES机制的变异算子,使网络的进化过程基于马尔科夫等价空间而不是有向无环图空间。结果:通过对标准网络ASIA和酵母调控网络的预测,与近期Xue-wenChen等提出的Order K2算法进行了比较,在网络构建准确率上获得了更佳的结果。与标准遗传算法比较下在执行效率上大大提高。结论:提出的算法在网络结构预测准确率上相对于最近提出的Order K2算法在准确率上效果更佳,并且相较标准遗传算法网络在进化过程上效率更高。
- 强波王正志
- 关键词：基因调控网络贝叶斯网络遗传算法网络编码
- 利用蛋白质相互作用关系改善基因芯片缺失数据估计的精度
- 2008年
- 针对基因芯片数据缺失问题,利用蛋白质相互作用关系与基因表达的内在联系,提出了一种利用蛋白质相互作用信息提高基因芯片缺失数据估计精度的方法.将蛋白质间的相互作用关系与基因表达数据间的距离相结合来计算基因间的表达相似度,根据这个新的相似性度量标准为含有缺失数据的基因选择更为合适的用于估计缺失值的基因集合.将新的相似性度量标准与传统的KNNimpute、LLSimpute方法相结合,描述了对应的改进算法PPI-KNNimpute、PPI-LLSimpute.对真实的数据集测试表明,蛋白质相互作用信息能有效改善基因缺失数据估计的精度.
- 倪青山王广云邱浪波强波王正志
- 关键词：基因芯片蛋白质相互作用
- 肿瘤特征基因筛选与调控网络构建
- 2009年
- 提出了一种肿瘤特征基因筛选和基因调控网络的构建方法。首先提取在肿瘤组织和正常组织中表达差别明显的277个基因,通过P-tree决策树方法找出多组肿瘤特征基因,然后结合现有文献中已被实验验证参与了肿瘤形成过程的基因,利用相关系数方法在肿瘤特征基因集中选出与之共通路的基因子集,并用贝叶斯网络方法建立基因间的调控关系,从而建立对肿瘤特征基因间调控关系的预测模型。
- 强波王正志王广云
- 关键词：基因筛选肿瘤调控网络相关系数贝叶斯网络
- 基于支持向量聚类的肿瘤表达谱分型识别算法
- 2007年
- 对肿瘤样本进行准确的分型识别是有效治疗肿瘤的前提。首先,利用方差滤波方法选择肿瘤表达谱中具有最大方差的部分基因作为识别特征集,然后,利用支持向量聚类对肿瘤表达谱进行分型识别。针对多类型样本情况和支持向量聚类中出现的孤立点聚类问题,分别提出了有效的解决办法。对两个肿瘤表达谱数据的测试结果显示,基于支持向量聚类的方法能够准确地对肿瘤样本进行分型识别,同时能够自动发现肿瘤样本真实的亚型数量。
- 王广云邱浪波强波王正志
- 关键词：肿瘤支持向量聚类
