赵英杰
- 作品数：11 被引量：16H指数：2
- 供职机构：国防科学技术大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：生物学自动化与计算机技术医药卫生电子电信更多>>
- 基于支持向量机分类的RNA共同二级结构预测被引量：1
- 2008年
- 比较序列分析作为RNA二级结构预测的最可靠途径,已经发展出许多算法。将基于此方法的结构预测视为一个二值分类问题:根据序列比对给出的可用信息,判断比对中任意两列能否构成碱基对。分类器采用支持向量机方法,特征向量包括共变信息、热力学信息和碱基互补比例。考虑到共变信息对序列相似性的要求,通过引入一个序列相似度影响因子,来调整不同序列相似度情况下共变信息和热力学信息对预测过程的影响,提高了预测精度。通过49组Rfam-seed比对的验证,显示了该方法的有效性,算法的预测精度优于多数同类算法,并且可以预测简单的假节。
- 赵英杰王正志
- 关键词：RNA二级结构支持向量机
- 数据网络中联邦数据服务关键技术的研究与实现
- 近年来,各种大型科学研究,信息服务,多媒体应用等领域的数据呈爆炸式增长。对这些地理上分布的海量数据进行一体化访问,传输与管理的需求也日益突出。数据网格技术正是解决这种需求的一种有效的途径,也是目前国际计算机界研究的一个热...
- 赵英杰
- 文献传递
- 基于物理化学性质优化的蛋白质相互作用预测研究被引量：2
- 2009年
- 蛋白质相互作用预测是生物信息学研究的重要问题之一.提出了一种基于物理化学性质优化的蛋白质相互作用预测方法,与现有方法的显著不同就是,并未使用已知的氨基酸残基的物理化学性质,而是通过粒子群算法优化得到有益于相互作用预测的物理化学性质数值.对真实的数据集测试表明,优化得到的物理化学性质比现有的物理化学性质更有益于提高蛋白质相互作用的预测性能,与其它方法相比,也具有一定的优势,说明该方法是一种有效的蛋白质相互作用预测方法.
- 倪青山王正志赵英杰黎刚果
- 关键词：蛋白质相互作用物理化学性质粒子群优化算法
- 非编码RNA相关计算问题研究
- 非编码RNA(non-coding RNAs ,ncRNA)是指不编码蛋白质的那部分转录产物,在各种生命过程中发挥着重要作用,包括基因调控、染色体重塑、基因定位、基因修饰和DNA印记等。对ncRNA的研究不仅具有重要的理...
- 赵英杰
- 关键词：量子进化算法
- 文献传递
- 基于结构信息的RNA多序列比对被引量：1
- 2009年
- 本研究提出了一种考虑了结构信息的同源RNA多序列比对算法,它先利用热力学方法计算出每条序列的配对概率矩阵,得到结构信息,由此构造各条序列的结构信息矢量,结合传统序列比对方法,提出优化目标函数,采用动态规划算法和渐进比对得到最后的多序列比对。试验证实了该方法的有效性。
- 赵英杰王正志
- 关键词：多序列比对RNA二级结构动态规划
- RNA二级结构计算特征分析
- 2010年
- RNA二级结构预测方法可视为一个分类问题,即根据单条序列或多条序列给出的信息,判断任意两个位点能否构成碱基对。现有各种预测方法对所用计算特征的选择都是基于定性分析,没有统一的标准。在总结现有RNA结构预测方法中采用的各类计算特征的基础上,利用特征选择技术中的过滤和封装方法,结合支持向量机分类算法,对它们的分类能力进行定量比较分析,找出适于RNA二级结构预测的最优分类特征子集,包括热力学信息、共变信息和进化信息。在49组R fam家族上的测试结果显示,相比现存定性选择的特征子集,所选特征子集能得到更好的预测结果。
- 赵英杰倪青山王正志
- 基于量子进化算法的RNA序列-结构比对被引量：3
- 2009年
- 多序列比对是计算分子生物学的经典问题,也是许多生物学研究的重要基础步骤.RNA作为生物大分子的一种,不同于蛋白质和DNA,其二级结构在进化过程中比初级序列更保守,因此要求在RNA序列比对中不仅要考虑序列信息,更要着重考虑二级结构信息.提出了一种基于量子进化算法的RNA多序列-结构比对程序,对RNA序列进行了量子编码,设计了考虑进结构信息的全交叉算子,提出了适合于进行RNA序列-结构比对的适应度函数,克服了传统进化算法收敛速度慢和早熟问题.在标准数据库上的测试,证实了方法的有效性.
- 赵英杰王正志
- 关键词：量子进化算法适应度函数
- 网络存储服务器缓存替换策略研究
- 随着因特网的蓬勃发展和社会的数字化变革,数据爆炸式增长对存储系统提出了巨大的挑战,传统的直连式存储难以满足日益严峻的数据存储需求,促使人们不断探索新型的存储系统。在这种背景下,存储技术与网络技术逐渐融合,产生了网络存储技...
- 赵英杰
- 关键词：网络存储缓存机制
- 文献传递
- 基于支持向量数据描述的非编码RNA基因识别被引量：2
- 2010年
- 从大量未标注序列中识别非编码RNA基因,仍是计算分子生物学的一个重要课题,通常采用学习分类方法。与一般分类问题不同的是,训练集中只有正样本和未标注样本,缺少一般分类方法必须的负样本。普遍采用的做法是,由程序产生与正样本序列保持一定特性的随机序列(置乱序列)作为负样本,这增加了人为的不确定因素,分类效果不是很理想。这里采用支持向量数据描述(SVDD)来解决这个问题,目标样本是试验证实的非编码RNA基因,并在训练前采用k-均值聚类算法,将训练样本(正样本)聚成合适的几类,解决了预测结果假阳性高的问题。同时,通过主成分分析(PCA)技术构造出了合适的分类特征。在NONCODE数据库和大肠杆菌基因组上的测试验证了方法的有效性。
- 赵英杰王正志
- 关键词：非编码RNA基因支持向量数据描述K-均值聚类主成分分析
- 基于结构信息的RNA多序列比对被引量：1
- 2009年
- 多序列比对是生物信息学中重要的基础研究内容,对各种RNA序列分析方法而言,这也是非常重要的一步。不像DNA和蛋白质,许多功能RNA分子的序列保守性要远差于其结构的保守性,因此,对RNA的分析研究要求其多序列比对不仅要考虑序列信息,而且要充分考虑到其结构信息。本文提出了一种考虑了结构信息的同源RNA多序列比对算法,它先利用热力学方法计算出每条序列的配对概率矩阵,得到结构信息,由此构造各条序列的结构信息矢量,结合传统序列比对方法,提出优化目标函数,采用动态规划算法和渐进比对得到最后的多序列比对。试验证实该方法的有效性。
- 赵英杰王正志
- 关键词：多序列比对RNA二级结构动态规划
