生物信息学标准化研究

文章首先论述了生物信息学的产生、发展及其重要的科学意义。然后,对目前生物信息学领域的标准缺失问题进行了简要总结,并强调了研制生物信息学领域内相关标准的必要性。基于对国内生物信息学领域的标准化现状和趋势的分析,就如何推进我国生物信息学领域的标准化工作提出了建议和方案。     

浅谈在生物信息学教学中的学科统一性

大学的科研与教学有着不可分离的关系。大学的科研一直在引导着教学,同时,教学也在督促着科研。科研需要通过教学把对整体的认知过程传达给学生,而教育的目的是唤起学生一种科学的统一性的意识,并借此培养一种清晰的自我意识。生物信息学是一门新兴的交叉学科,有它自身鲜明的特征。目前,如何在生物信息学教学中体现学科统一性仍然是一个未解决的课题。本文结合生物信息学的特点,初步分析了生物信息学教学与科研的关系,并探讨了如何在教学中体现出这门交叉学科的统一性。     

位于可变内含子区域microRNA的特征分析

MicroRNA(简称miRNA)是一类长度为22nt的编码小分子RNA,在基因表达调控中发挥重要作用。miRNA在基因组中存在位置偏好性,一部分miRNA位于基因间区,而另一些miRNA基因位于蛋白质编码基因的内含子中,少数位于外显子中,称之为基因内miRNA。可变剪接(也称选择性剪接,alternative splicing,AS)是指对同一基因的mRNA前体的不同剪接方式,即一种基因能产生多种mRNA。研究发现,miRNA与基因的选择性剪接密切相关,有些miRNA位于基因的可变剪接区域。论文利用生物信息学方法对位于可变剪接区域miRNA特征进行分析。     

赤拟谷盗基因组中microRNA的生物信息学预测与进化分析

本文通过计算机编程技术以及预测miRNA的RNAfold和Triplet-SVM软件在赤拟谷盗基因组中预测了43个miRNA。进一步对预测的miRNA进行长度统计以及保守性分析。     

MLEP:一种B细胞线性表位预测方法

为了更快更准地确定B细胞线性表位,提出了一种新的预测方法——MLEP(Prediction of epitope based on MCFS and LSTM,MLEP)算法。采用5种性质氨基酸理化性质作为学习特征,利用多聚类特征选择算法进行特征选择,用降维后的数据作为输入,用长短期记忆网络进行训练,获得预测性能好的模型,对多聚类特征选择算法及MLEP算法的性能进行评价。对非冗余LBtope数据集进行多组实验,结果表明,使用多聚类特征选择算法降维到25时获取性能最优模型,多聚类特征选择算法比主成分分析法获得的模型准确率更高,基于MLEP算法获得的模型准确率达到94.81%。因此,MLEP算法能更好地预测B细胞线性表位,对于表位预测研究具有一定的参考价值。