基于SVM方法分析蛋白酶体裂解位点的特异性

真核细胞中的泛素-蛋白酶体系统在抗原肽加工呈递途径中发挥着重要作用. 为了进一步研究蛋白酶体的酶切位点特异性, 采用支持向量机(support vector machine, SVM)方法建立了蛋白酶体的酶切位点预测模型. 在相同检验集下, 将本模型性能指标与其他预测模型方法比较, 结果是本模型性能指标优先, 预测准确度为83.1%. 由样本数据相应氨基酸对酶切位点形成的权重系数, 得出蛋白酶体酶切位点及其两侧区域氨基酸的裂解特异性, 反映了蛋白酶体裂解抗原蛋白的相互作用信息, 这表明蛋白酶体对抗原蛋白的酶切处理不是随机的, 而是有一定模式和选择性的.     

抗原肽与MHC分子相互作用的QSAR模型研究

分别采用氨基酸序列及氨基酸结构描述符方法定量研究了短肽-MHC(major histocompatibility complex)分子结合亲合力的定量构效关系(QSAR)模型, 用这两个模型对短肽与HLA-A*0201分子结合的805个预测样本进行了预测, 预测准确度分别达到66.8%和65.5%. 采用了去除“劣点”方法检验模型的鲁棒性, 结果证明两个模型都具有良好的鲁棒性. 通过改变两个模型的参数, 对氨基酸残基个数为8或10的CTL(cytotoxicy T lymphocyte)表位进行预测.     

近红外光谱法快速测定推进剂中N-甲基对硝基苯胺

采用近红外光谱法快速测定固体推进剂中N-甲基对硝基苯胺(MNA)的含量。评价了滤波平滑、一阶导数、二阶导数、多元散射校正(MSC)和标准正态变量校正(SNV)这5种不同光谱预处理方法的优化效果，基于建模参数优化结果建立了MNA定量模型，并对模型进行了准确性和重复性验证。结果表明，光谱最佳预处理方式是SNV，模型最佳主因子数为7，模型校正决定系数(R_C²)和验证决定系数(R_P²)分别为0.998 6和0.987 2，交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.012 0和0.009 8，重复性极差和绝对误差均低于0.2%。近红外光谱法与液相色谱法测定结果相比相对偏差在6%以内，经t检验，两种方法测定结果无显著性差异。近红外光谱法快速、准确，可用于推进剂老化进程监控。     

HLA-A*0201限制性CTL表位定量结构与活性研究

采用VHSE氨基酸结构描述子表征HLA-A*0201限制性表位结构, 以遗传算法和偏最小二乘相结合(GA-PLS)对102个训练集进行定量构效关系建模. 剔除3个异常样本后, 据候选模型交互检验及50个外部测试集预测结果, 筛选得到最优偏最小二乘模型(A＝2), 其R², Q²和 分别为0.755, 0.621和0.680. 构效研究显示: CTL表位活性主要与1, 2, 7, 8, 9位氨基酸残基疏水、1, 2位立体及6位残基电性等性质密切相关.     

基于VHSE结构表征的蛋白酶体酶切位点预测及酶切特异性研究

泛素-蛋白酶体在真核生物的抗原呈递、细胞周期调控和转录因子激活等生理过程中发挥着极为重要的作用,其核心就是蛋白酶体对底物的选择性酶切作用,因此对选择性酶切位点的预测一直是计算生物学的一个重点研究内容.针对现有酶切位点预测方法的非线性和物理意义不明确等问题,借鉴定量构效关系研究方法,采用基于氨基酸物理化学性质的描述子——VHSE(Principal component score vector of hydrophobic,steric,and electronic properties)对收集的2650个MHC-I配体的源蛋白序列进行了结构表征,在此基础上利用支持向量机建立了蛋白酶体酶切位点的预测模型,其最优线性模型的灵敏度(Sensitivity)、特异性(Specificity)、接受者操作特征曲线下面积(area under receiver operatingcharacteristics curve,AUC)和马休斯相关系数(Matthews coefficient of correlation,MCC)分别为90.18%,69.63%,0.8797和0.6131.模型分析结果表明:影响酶切位点选择性的氨基酸性质由大到小依次为:疏水性、电性和立体特征;P9,P8,P4,P1,P3’,P4’和P5’位氨基酸对酶切位点的选择有重要影响,研究亦显示酶切位点上游P1位和下游P1’～P5’的"疏水势差"有利于蛋白酶体的切割作用.     

冠醚分离锂同位素中冠醚的近红外分析

将近红外光谱法(NIR)和偏最小二乘法(PLS)相结合，建立了冠醚分离锂同位素中冠醚含量的分析方法，研究了锂、钠、钾离子的存在对冠醚测定的影响，并研究了不同离子液体对校正模型的影响。该方法的测定范围为0.1～1.2 mol/L,加入校正样品后，可扩大测定范围。冠醚分离锂同位素实验样品分析结果和设计值较吻合，加标回收率为105%～108%。所建立的方法为锂同位素分离工艺中冠醚的快速分析提供了一种新方法。     

紫外光谱法对维生素E油酸酯、维生素E与油酸的同时测定

建立了混合体系中维生素E、油酸和维生素E油酸酯同时测定的方法,用光纤光谱仪获取混合体系紫外-可见透射光谱.实验按均匀设计建立校正集和预测集,在255 ～315 nm波段采用偏最小二乘法建立了同时定量测定该3组分的校正模型,并用间隔区间偏最小二乘法(iPLS)通过优选建模区间改进油酸的预测模型.采用iPLS能够显著提高模型准确度,尤其对光谱弱响应的物质,最大相对误差从PLS直接建模的54.7%降至iPLS的8.98%,建立的模型可满足动力学研究的原位分析需要.     

Madaline网络分离重叠光谱峰及其在多组分同时分析中的应用

首先应用Ｍａｄａｌｉｎｅ网络分离混合物中各组分的重叠光谱峰，然后对感兴趣的组分进行测定。一个两组分混合物的分析表明，本法的分析的结果优于偏最小二乘法的分析结果。     

含氢聚硅氧烷含氢量的红外光谱测定研究

本文利用含氢聚硅氧烷中的Si-H键在2 172 cm~(-1)处的吸收峰,选择四甲基四氢环四硅氧烷作为模型化合物,用偏最小二乘法建立了红外光谱法测定含氢聚硅氧烷中含氢量的方法,其有效测量范围为0.0043～0.5365 mg/mL,回收率在91%～106%之间.     

喷气燃料性质的拉曼光谱分析

采用便携式激光拉曼光谱仪(激光光源为785 nm)测定并分析了喷气燃料的拉曼光谱特征.对拉曼光谱进行预处理,消除光源和噪音等影响,选取一定波长区间的光谱数据,结合偏最小二乘方法,采用去一法交互验证,建立了3号喷气燃料的10个理化性质模型.结果表明,可以采用便携式拉曼光谱仪测定喷气燃料冰点、粘度(20 ℃)、闪点、初馏点、10%回收温度、20%回收温度、50%回收温度、90%回收温度、终馏点和密度等质量指标,验证分析偏差(RMSEP)依次为1.4 ℃、0.020 mm2/s、1.6 ℃、0.001 g/cm3、2.4 ℃、1.4 ℃、1.2 ℃、1.0 ℃、1.5 ℃和3.6 ℃,低于或接近标准方法再现性要求.方法具有多参数、快速、不破坏样品、操作简便等优点,可用于现场喷气燃料质量的检测.     

6种化学计量学法同时分光光度测定5组分的比较研究及食品分析

优化了在表面活性剂存在下以肉桂基荧光酮同时测定铝、铜、锰、锌、钴的显色折衷条件；比较研究了偏最小二乘、岭回归、多元线性回归、多元逐步回归、目标因子分析和卡尔曼滤波法用于这一体系同时测定此５组分的优缺点，结果表明对于此类所含各组分吸收光谱重叠严重且吸光度加和性欠佳体系，上述６法中以偏最小二乘和岭回归法为最适宜；经用于九种人工合成液和四种食品分析，均获满意结果，分析两种茶叶结果也与ＩＣＰ－ＡＥＳ法一致     

近红外光谱法测定黄芩提取物中黄芩苷含量

近红外光谱技术(NIR)是近年来快速发展的一种新型光谱分析技术,具有快速、高效、无污染、非破坏性以及实时分析等优点~([1]),已在农业、烟草、石油化工、医药等多领域得到广泛应用.尤其在药物分析方面,体现出近红外光谱分析的巨大潜力~([2]).     

近红外光谱法分析土壤中的有机质和氮素

应用近红外光谱技术测定土壤中的全氮、有机质、碱解氮，分别测定了2mm、0.15mm粒度的风干土在4000cm^-1～12000cm^-1波数范围的近红外光谱，用偏最小二乘法建立数学模型来进行含量预测，结果表明近红外光谱与土壤有机质、全氮、碱解氮具有良好的相关性，2mm风干土碱解氮建模的决定系数R^2为92.39，相对标准偏差为7.5%；2mm风干土全氮建模的决定系数R^2为88，相对标准偏差为8.2%;0.15mm的全氮建模的决定系数R2为89.86，相对标准偏差为7.2%;0.15mm风干土有机质建模的决定系数R^2为96.41，相对标准偏差为8.3%。因此，用近红外光普法测定土壤有机质、全氮、碱解氮的含量是可行的。     

Bagging偏最小二乘和Boosting偏最小二乘算法的金银花醇沉过程近红外光谱定量模型预测能力研究

建立金银花醇沉过程中稳健的近红外光谱( Near infrared spectroscopy,NIR)定量模型,为金银花醇沉过程的快速评价提供方法。研究基于金银花醇沉过程绿原酸的 NIR 数据,通过建立 Bagging 偏最小二乘(Bagging-PLS)模型、Boosting偏最小二乘(Boosting-PLS)模型与偏最小二乘(Partial Least Squares,PLS)模型,实现对模型性能比较;在此基础上,采用组合间隔偏最小二乘法( Synergy interval partial least squares,siPLS)和竞争自适应抽样( Competitive adaptive reweighted sampling,CARS )法分别对光谱进行变量筛选,建立模型,实现了对模型预测性能的考察。实验结果表明, Bagging-PLS和Boosting-PLS(潜变量因子数设为10)的预测性能均优于 PLS 模型。在此基础上,两批样品采用 siPLS 筛选变量,第一个批次金银花筛选波段820~1029.5 nm和1030~1239.5 nm,第二个批次金银花醇沉筛选波段为820~959.5 nm和960~1099.5 nm;采用CARS方法变量筛选,两批样品分别选择5折交叉验证和10折交叉验证,取交叉验证均方根误差( RMSECV)值最小的子集作为最终变量筛选的结果。经过变量筛选的两批金银花醇沉过程中的绿原酸含量Bagging-PLS和Boosting-PLS模型的预测均方根误差(RMSEP)值降低了0.02~0.04 g/L,预测相关系数提高了4%~5%。综上,Baggning-PLS和Boosting-PLS算法可作为金银花醇沉过程NIR定量模型的快速预测方法。     

独立分量分析预处理法提高苹果糖度模型预测精度研究

为了提高苹果近红外光谱糖度预测模型精度,利用独立分量分析方法(ICA)对苹果近红外光谱进行了预处理,并且建立了糖度的偏最小二乘(PLS)预测模型。结果表明,独立分量分析不但能分离出噪声信号,而且所分离出来的光谱信号也比原始光谱信号光滑。在预处理后的最佳PLS糖度模型校正时的相关系数rc和标准偏差SEC分别为0.9549和0.3361,用于预测时的相关系数rp和标准偏差SEP分别为0.9071和0.4355。与普通的平均处理法的PLS模型相比,其精度有所提高,且模型更加简洁。     

近红外光谱法快速测定肼-70纯度

利用重量法精确配制不同肼质量分数的肼-70样品集,采用偏最小二乘法建立了肼质量分数的近红外光谱模型,以快速测定肼-70的纯度。样品恒温时间为5 min,光谱最佳预处理方式:均值中心化,一阶导数,21点平滑,模型最佳主因子数为4。近红外光谱法与碘酸钾直接滴定法测定结果相比相对偏差绝对值小于0.13%,经t检验,两种方法测定结果无显著性差异。近红外光谱法快速、准确,可用于肼-70产品的质量控制。