举手表决法在基因分类中的应用

根据自然界中相互熟悉程度较高的是一类的特点,提出举手表决法。举手表决法需要的参数较少,且分类之前不需要定义类的个数。通过使用举手表决法进行基因分类时,得到较好的结果,从而反过来证明举手表决法在分类方面具有可行性。     

微重力环境中哺乳动物细胞分子生物学效应研究进展

随着载人航天事业的不断发展,空间失重环境引起的航天员健康问题（心血管疾病、免疫抑制、肌肉萎缩、骨质疏松等）日益突出,这已成为人类探索空间的一大阻碍.越来越多的研究关注到微重力条件下机体及细胞的变化.近期的研究表明,在细胞水平上,微重力会引起细胞降解,改变细胞骨架,并造成细胞在分子水平（如细胞增殖、分化、迁移、粘附、信号转导等过程）的一系列改变.本文对微重力条件下免疫细胞、内皮细胞、骨细胞、癌细胞的相关研究进行了归纳总结,研究结果可为微重力条件下机体及相关细胞的研究提供指导,为治疗或缓解微重力条件造成的疾病提供方法和思路.      

最小支撑树算法在基因表达数据聚类分析中的应用

聚类分析已成为对基因表达数据进行挖掘以提取生物医学信息的主要方法.本文提出了基于图论的最小支撑树(Minimum spanning tree,MST)聚类算法,用MST表示多维基因表达数据,可将数据的聚类转换为对最小支撑树的分割,相对于传统聚类方法,最小支撑树算法具有形象直观、对一些准则函数能产生全局最优解等优点;将MST算法分别与Memetic algorithm及人工免疫算法(Artificial immune network,aiNet)相结合,则产生更优化的聚类结果.对酵母基因表达数据的实验结果表明,最小支撑树聚类算法是一种有效的基因表达数据的聚类方法.     

基于基因表达式编程的多目标优化多聚焦图像融合算法

图像融合的评价指标多种多样,但往往不能同时达到最优,有时甚至是相互矛盾的,融合可以看作是多个评价指标最优化的过程.提出基于改进基因表达式编程的空域和多尺度域多目标优化图像融合算法,为解决图像融合多目标优化搜索空间太大的问题,提出多区域特征联合决策对种群进行初始化,改善初始种群的质量,以提高收敛速度.通过对多聚焦图像进行融合仿真实验,结果表明算法收敛速度快,可得到图像融合的Pareto优解.     

Bezdek型模糊属性C均值聚类算法

推广了属性均值聚类算法,提出了基于模糊度m的Bezdek型模糊属性C均值聚类算法(FAMC),给出了FAMC算法的迭代算法,并讨论了模糊度m对算法收敛性的影响.在标准Iris数据集与肿瘤基因芯片表达数据的模式识别实验结果,验证了该算法优于模糊C均值算法和属性均值聚类算法.      

一种全长cDNA抑制缩减杂交方法及其水稻诱导表达基因分离的应用

以缩减杂交的原理和SMART cDNA合成方法为基础,开发了一种全长cDNA缩减杂交方法.该方法从微量的2个RNA样品合成全长cDNA,经PCR扩增和在两端连接不同的接头,通过2次缩减杂交获得含有高度浓缩的差异表达的全长或较大的基因片段,克隆后筛选出差异表达的基因.以噻菌灵(Probenazole,PBZ)为诱导剂处理水稻,获得了2个上调表达和1个下调表达基因的较长的cDNA片段.