紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。     

以物联网技术驱动数字油田建设的思考

物联网自诞生以来,相关产业迅速发展,在现代工业、公共服务、家庭民生等领域全方位渗透发展,成为驱动产业发展、推动传统产业升级的重要动力。石油行业作为传统能源型企业,也急需实现数字化转型以提升生产效率、降低生产成本。作者认为数字油田的实现要素与物联网内在架构高度契合,数字油田建设完全可以搭上物联网的便车,实现跨越式发展,所以用好物联网技术对于促进石油行业转型升级、加快智能化数字油田建设具有重要意义。     

关于数字卫星广播电视信号监测方法的分析

广播电视有效结合了数字系统与卫星信号,进而为广大用户提供了高质量的广播电视节目。随着广播电视的发展,相应的广播电视信号监测也得到了广泛的关注与研究,主要是由于信号监测直接关系着电视的质量,因此,文章将对数字卫星广播电视信号监测方法进行分析,旨在提高信号监测的能力,保证信号运行的可靠性与安全性。