邓明华
- 作品数：28 被引量：87H指数：4
- 供职机构：北京大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划国家高技术研究发展计划更多>>
- 相关领域：理学生物学自动化与计算机技术医药卫生更多>>
- Logit模型的前世与今生被引量：1
- 2024年
- 分类问题贯穿了统计学三百余年的发展进程,是统计中基础且重要的问题.许多统计模型被统计学家们创造并运用在分类中,作为分类方法的一种,Logit模型在机器学习、经济预测、数据挖掘、疾病诊断等领域发挥重要的作用.本文将主要介绍该模型起源、发展的故事,以及该模型在当下的用武之地.
- 吴泽宇邓明华
- 关键词：LOGIT模型PROBIT模型神经网络
- “大型百货商场会员画像描绘”问题解析
- 2019年
- 本文就2018年"高教社杯"全国大学生数学建模竞赛C题"大型百货商场会员画像描绘"给出一种解法,并对同学们在参赛论文中出现的问题作了简要说明和点评.
- 邓明华
- 关键词：关联规则挖掘
- 第五讲 生物医学信息处理——DNA微阵列数据在医学中的应用被引量：1
- 2005年
- 飞速发展的生物信息技术为现代医学提供了更为有效的工具.特别是随着人类基因组计划的基本完成和逐步细化,人们已经试图从基因水平上来认识生命现象,特别是一些重要疾病的机理.由于生物特性一般都涉及到多个基因的共同表达,这便出现了同时衡量成千上万个基因的表现水平的所谓DNA微阵列技术与数据.DNA微阵列数据也被称为大规模基因表达谱.根据这些微阵列数据,人们不仅能够对一些疾病进行分析,并且还能够发现一些新的生物特性与规律.另外,利用微阵列数据能够选取出疾病的相关基因并进行疾病的分类与诊断.这项研究无疑将推动医学的发展.最近,人们还进一步通过基因表达水平值来发现基因之间的调控方式,这将为疾病病理的研究与治疗提供更科学的依据.
- 马尽文邓明华
- 关键词：信息处理生物医学DNA微阵列技术生物信息技术基因表达水平生命现象
- 微生物组学中的高维计数和成分数据分析
- 2017年
- 人体微生物组对人体健康和疾病起着重要作用.高通量测序技术的发展使得我们可以定量分析微生物组中所有菌种的成分.本文回顾近来在微生物组学研究中的高维计数和成分数据分析方法,其中包括Dirichlet多项分布模型及其拓展、从大维稀疏计数矩阵估计成分数据、高维成分回归和基于对数基底的成分数据统计推断方法.
- 吴昌晶何顺邓明华
- 关键词：成分数据稀疏性可识别性
- “拍照赚钱”问题的任务定价解题思路被引量：4
- 2018年
- 针对2017年全国大学生数学建模竞赛B题,介绍了出题的基本背景,给出了基本的解题思路,并对参赛论文情况进行了简单评述.
- 邓明华
- 一个线上的偶合振子系统的锁相解及其应用
- 邓明华
- 蛋白质中残基远程相互作用预测算法研究综述被引量：6
- 2017年
- 蛋白质是由多个氨基酸残基顺序连接而成的长链.在天然状态下,蛋白质并不是无规则的自由状态,而是自发形成特定的空间结构,以执行其特定的生物学功能.驱动蛋白质形成特定空间结构的主要因素是残基间的非共价相互作用,包括疏水作用、静电相互作用、范德华力等.因此,对残基之间远程相互作用的准确预测将有助于对蛋白质空间结构的预测,进而有助于对蛋白质生物学功能的了解.在蛋白质进化过程,有相互作用残基对之间存在一种"共进化"模式,即当一个残基发生变异时,与其有相互作用的残基也要发生相应的变异,以维持相互作用,进而维持整体空间结构以及生物学功能.基于上述生物学观察,研究者开发了多个统计模型和算法以预测残基对之间的相互作用:1)概述残基之间远程相互作用的两大类基本预测算法,包括无监督学习方法和监督学习方法;2)使用蛋白质结构预测CASP比赛结果来客观比较上述各类算法的性能,分析各个算法的特点和优势;3)从生物学观察和统计模型2个角度分析总结了未来的发展趋势.
- 张海仓高玉娟邓明华郑伟谋卜东波
- 关键词：图模型
- Detect epistasis from eQTL data
- 邓明华
- 基因组组装问题建模——2014“深圳杯”数学建模夏令营B题评述
- 2014年
- 基因组测序是当今生物学领域的一个重要研究手段,而基因组组装是其首要问题。2014年"深圳杯"数学建模夏令营B题要求学生对一个相对短的基因组(细菌人工染色体BAC)的下一代测序数据建立基因组组装算法,并编制程序加以实现。本文对学生所提交解答的情况进行了一个简单评述。
- 邓明华
- 关键词：下一代测序DE
- k-gram方法识别microRNA前体被引量：9
- 2007年
- MicroRNAs(miRNAs)是动植物中较短的参与调控基因表达的功能性非编码RNA序列.第一个miRNA是通过实验手段发现的,然而通过实验手段识别miRNA在技术上仍然具有很大的挑战性和不完整性.因此,miRNA基因识别需要寻求计算方法来弥补实验方法的不足.提出了一个全新的miRNA前体的识别方法.在构造识别模型中,把初级序列和序列二级结构相结合,采用k-gram方法把序列信息映射到高维特征空间中,然后通过特征选取方法提取特征,并用这些特征为miRNA前体的识别构造了基于SVM的识别模型.同时,采用隐马尔可夫模型(HMM)的学习方法进行了比较.实验结果表明,该方法是有效的,可以达到较高的敏感性和特异性.
- 杨良怀吕丕明陈立军邓明华
- 关键词：MICRORNA基因识别支持向量机隐马尔可夫模型
