A Multi-Objective Approach for Drug Repurposing in Preeclampsia

Preeclampsia is a hypertensive disorder that occurs during pregnancy. It is a complex disease with unknown pathogenesis and the leading cause of fetal and maternal mortality during pregnancy. Using all drugs currently under clinical trial for preeclampsia, we extracted all their possible targets from the DrugBank and ChEMBL databases and labeled them as “targets”. The proteins labeled as “off-targets” were extracted in the same way but while taking all antihypertensive drugs which are inhibitors of ACE and/or angiotensin receptor antagonist as query molecules. Classification models were obtained for each of the 55 total proteins (45 targets and 10 off-targets) using the TPOT pipeline optimization tool. The average accuracy of the models in predicting the external dataset for targets and off-targets was 0.830 and 0.850, respectively. The combinations of models maximizing their virtual screening performance were explored by combining the desirability function and genetic algorithms. The virtual screening performance metrics for the best model were: the Boltzmann-Enhanced Discrimination of ROC (BEDROC)_α=160.9 = 0.258, the Enrichment Factor (EF)_1% = 31.55 and the Area Under the Accumulation Curve (AUAC) = 0.831. The most relevant targets for preeclampsia were: AR, VDR, SLC6A2, NOS3 and CHRM4, while ABCG2, ERBB2, CES1 and REN led to the most relevant off-targets. A virtual screening of the DrugBank database identified estradiol, estriol, vitamins E and D, lynestrenol, mifrepristone, simvastatin, ambroxol, and some antibiotics and antiparasitics as drugs with potential application in the treatment of preeclampsia.     

医学留学生化学实验全英文教学资源建设与实践*

针对目前化学实验全英文在线教学资源匹配度较低、相对匮乏等问题,以医学留学生为中心,建设了有声课件、模块化实景实验操作视频以及测试题库3种不同类型的化学实验全英文教学资源,通过资源的线下使用和基于雨课堂的在线预习,实现从“集中、定时、定点”的传统教学模式向“模块化、碎片化、信息化”的混合教学模式转变,可以丰富教学资源和教学手段,改进教学秩序,提高医学留学生化学知识和技能学习的积极性和主动性,使“教”“学”良性循环,可切实提高化学实验国际化教学质量。     

物理化学混合式教学设计与实践——以“单组分系统相变热力学”为例*

以“单组分系统相变热力学”为例介绍了物理化学混合式教学设计与教学实践。围绕课程教学目标,在课前、课中、课后的每一个教学环节中践行课程教学理念,通过“问题+案例”方式突出物理化学基本方法的应用性、普适性与前沿性,让学生在教学过程中获取原理、体验探究、发展思维、生成智慧。教学评价结果显示,绝大部分学生对混合式教学模式给予了积极的评价。     

高职扩招背景下食品化学混合式教学设计的重构与实践*

在全国高职院校扩大招生背景下,高职院校的扩招生表现出与统招生不同的学习特点和学习基础,根据扩招生的学情特点和课程标准,对已有混合式教学模式的食品化学课程,从课时设置、课前、课中、课后等几个方面重新进行教学设计和实施。利用线上学习成绩、线下课堂成绩、期末成绩等多维度评价理论课学习效果。结合调查问卷分析学生对混合式教学的评价,表明扩招生的学习自律性和主动性有明显提高,考试不及格率下降,学生对混合式教学的认同度也较高。通过教学重构力图达到教学形式灵活多样,培养标准不降低的目的,并培养学生良好的学习习惯,树立学好课程的信心。     

“化学游戏教学”的“学教评产”混合式教学模式实践

基于师范类专业认证理念与毕业要求的教学前端分析,建构“学教评产”混合式教学模式,通过整合教学内容、重构教学安排与优化教学评价,对“化学游戏教学”课程进行创新性改革,并从学生学习成果、教学目标达成与学生满意度等3个方面评价教学成效。结果表明:该教学模式有助于学生学习成果质量的提升,能够有效促进教学目标的达成,并取得较高的学生满意度。     

稀疏阈值的超分辨率图像重建

为了解决基于字典学习的超分辨重构算法耗时过长的问题,提出了基于稀疏阈值模型的图像超分辨率重建方法。首先,将联合字典理论与图像块稀疏阈值方法相结合,训练得到高、低分辨率过完备图像字典对。接着,通过稀疏阈值OMP算法对图像特征块进行稀疏表示。然后,通过高分辨率字典重构出初始的超分辨图像。最后,通过改进迭代反投影算法对初始的超分辨图像进行全局优化,从而进一步提高图像重构质量。实验结果表明,超分辨图像重构平均峰值信噪比(PSNR)为30.1 d B,平均结构自相似度(SSIM)为0.937 9,平均计算时间为10.2 s。有效提高了超分辨重构的速度,改善了重构高分辨图像的质量。     

An infrared small target detection algorithm based on high-speed local contrast method

Small-target detection in infrared imagery with a complex background is always an important task in remote sensing fields. It is important to improve the detection capabilities such as detection rate, false alarm rate, and speed. However, current algorithms usually improve one or two of the detection capabilities while sacrificing the other. In this letter, an Infrared (IR) small target detection algorithm with two layers inspired by Human Visual System (HVS) is proposed to balance those detection capabilities. The first layer uses high speed simplified local contrast method to select significant information. And the second layer uses machine learning classifier to separate targets from background clutters. Experimental results show the proposed algorithm pursue good performance in detection rate, false alarm rate and speed simultaneously.     

普适的基于能量的分块局域激发态聚类算法

在普适的基于能量的分块(GEBF)方法的框架下, 大体系的局域激发(LE)能可通过一系列活性子体系激发能的线性组合近似得到, 从而有效降低了计算的时间标度. 然而, 在体系的局域激发具有多个激发态的情形下, 如何有效识别所有活性子体系的激发特征并将其组合是一个挑战. 提出了一种基于局域激发态聚类的算法. 该方案基于空穴-电子分析和基于密度的聚类(DBSCAN)机器学习算法, 可以自动地聚合不同子体系中最相似的激发态并组合得到相应的局域激发态能量或激发能. 结合该算法改进的LE-GEBF方法在荧光分子衍生物、 荧光染料-水团簇及绿色荧光蛋白模型体系的计算中均获得了令人满意的结果. 该算法有望大大提升LE-GEBF方法在计算局域激发时的稳定性和准确性, 并可以有效处理吸收光谱具有多重峰的大体系.     

基于语义的软件服务故障自动诊断模型

模仿学习是机器人仿生机制研究的主要内容之一,即通过观察、理解、学习、模仿示教行为实现机器人的仿生特性。基于高斯过程分别表达采集离散示教信号所构成的示教轨迹和含有未知参数策略的模仿轨迹,构建模仿学习方法框架,将概率模型匹配引入到模仿学习中,以KL散度为代价函数比较两种轨迹的概率分布,运用梯度下降法寻求使KL散度最小的最优模仿控制策略,将策略应用于模仿机器人以完成与示教相同的模仿任务。以关节型机器人的机械臂摆动行为模仿为学习任务进行仿真,结果表明基于概率轨迹匹配的模仿学习方法能够实现机械臂摆动行为模仿,学习过程较传统方法简易且学习效果较好。     

纯电动汽车磷酸铁锂电池组的建模及优化

鉴于传统神经网络和支持向量机机理复杂、计算量大的缺陷,很难实时跟踪磷酸铁锂电池组复杂快速的内部反应,影响电池荷电状态的估算精度,提出应用一种简单、有效的极限学习机对一额定容量为100Ah、额定电压为72V的纯电动汽车磷酸铁锂电池组建模,并分别与BP神经网络、RBF神经网络、支持向量机进行对比。随后,以学习时间和泛化性能为优化目标,应用粒子群方法寻找最佳隐层节点个数。结果表明,基于极限学习机的磷酸铁锂电池组模型的学习时间、泛化性能优于BP神经网络、RBF神经网络、支持向量机;隐层节点优化后,模型的学习时间和泛化性能达到最优。