您的位置: 专家智库 > >

杨惠云

作品数:7 被引量:8H指数:2
供职机构:天津医科大学生物医学工程学院更多>>
发文基金:国家自然科学基金天津市自然科学基金更多>>
相关领域:生物学医药卫生自动化与计算机技术更多>>

文献类型

  • 6篇期刊文章
  • 1篇学位论文

领域

  • 4篇生物学
  • 3篇医药卫生
  • 1篇自动化与计算...

主题

  • 3篇蛋白
  • 3篇蛋白质
  • 3篇蛋白质二级结...
  • 3篇隐马尔可夫模...
  • 3篇马尔可夫
  • 3篇马尔可夫模型
  • 3篇白质
  • 2篇蛋白质二级结...
  • 2篇蛋白质组
  • 2篇蛋白质组学
  • 2篇蛋白质组学研...
  • 2篇血清
  • 2篇老年性痴呆
  • 2篇二级结构预测
  • 2篇痴呆
  • 1篇蛋白质结构
  • 1篇蛋白质结构预...
  • 1篇神经网
  • 1篇神经网络
  • 1篇鼠血清

机构

  • 7篇天津医科大学

作者

  • 7篇杨惠云
  • 6篇田心
  • 4篇石鸥燕
  • 3篇杨晶
  • 2篇乔海晅

传媒

  • 3篇国际生物医学...
  • 1篇计算机应用研...
  • 1篇高技术通讯
  • 1篇现代生物医学...

年份

  • 1篇2012
  • 1篇2010
  • 1篇2009
  • 2篇2008
  • 2篇2007
7 条 记 录,以下是 1-7
排序方式:
应用优化的隐马尔可夫模型预测蛋白质二级结构被引量:2
2008年
针对3-状态隐马尔可夫模型(HMM)预测蛋白质二级结构准确率不高的问题,提出了7-状态和15-状态 HMM。研究对象为 CB513数据集合中筛选出的492条蛋白质序列,将其随机均分7组。分别应用7-状态和15-状态 HMM 对以上数据集进行二级结构预测,对预测准确率进行了7-交叉验证,并将预测结果与应用3-状态 HMM 的预测结果进行了比较。结果表明,应用7-状态 HMM,Q_3准确率提高3.11%,SOV 提高6.15%,Q_E提高6.49%;应用15-状态 HMM,Q_E比7-状态 HMM 又提高5.74%。在15.状态 HMM 预测中加入序列的同源信息后,Q_3准确率比单序列15-状态 HMM 增加8.76%。结果表明,7-状态HMM 预测能力优于3-状态 HMM,15-状态 HMM 总体预测能力和7-状态 HMM 相当,但β折叠预测能力强于7-状态 HMM。
石鸥燕杨惠云杨晶田心
关键词:蛋白质二级结构预测
老年性痴呆大鼠海马突触体的蛋白质组学研究
目的: 以老年性痴呆/(Alzheimer's disease,AD/)大鼠为研究对象,应用蛋白质组学方法从海马突触体及血清中筛选与AD密切相关的蛋白质,为研究AD的发病机制提供理论支持。 方法: ...
杨惠云
关键词:老年性痴呆血清差异蛋白质蛋白质组学
文献传递
蛋白质空间结构预测研究动态
2007年
测定蛋白质空间结构有助于认识蛋白质功能以及蛋白质如何执行其功能。因此研究从蛋白质序列或由DNA读框翻译出的氨基酸序列预测蛋白质结构是当前研究热点之一。综述了蛋白质空间结构预测的同源模型化方法、线索化方法和混合方法等及其应用研究进展。
杨惠云田心
关键词:蛋白质空间结构
基于MATLAB的隐马尔可夫模型预测蛋白质结构类
2012年
目的准确预测蛋白质结构类,为研究其空间结构及生物功能打下基础。方法应用隐马尔可夫模型(HMM)预测蛋白质结构类,分别构建3-状态HMM和8-状态HMM。数据来源于Chou和Zhou构建的蛋白质数据集,分别包含有204条蛋白质序列和498条蛋白质序列,通过留-法预测其准确率。结果所构建的3-状态HMM和8-状态HMM对全d类的预测准确率最高,尤其是3-状态HMM的预测准确率达到95%以上。与Chou数据集相比,Zhou数据集对于全B类和α/β类的预测准确率也有所提高,同时,总体预测率也提高了2%左右;但仅+B类的预测准确率有所下降。结论将整条蛋白质序列作为预测模型的输入信息所构建的HMM模型能有效地预测蛋白质的结构类。
杨惠云石鸥燕乔海晅田心
关键词:隐马尔可夫模型
简单的一致性方法预测蛋白质二级结构被引量:2
2007年
蛋白质二级结构预测对于我们了解蛋白质空间结构是至关重要的一步。文章提出了一种简单的二级结构预测方法,该方法采用多数投票法将现有的3种较好的二级结构预测方法的预测结果汇集形成一致性预测结果。从PDB数据库中随机选取近两年新测定结构的57条相似性小于30%的蛋白质,对该方法的预测结果进行测试,其Q3准确率比3种独立的方法提高了1.12—2.29%,相关系数及SOV准确率也有相应的提高。并且各项准确率均比同样采用一致性方法的Jpred二级结构预测程序准确率要高。这种预测方法虽然原理简单,但无须使用额外的参数,计算量小,易于实现,最重要的前提就是必须选用目前准确性比较出色的蛋白质二级结构预测方法。
石鸥燕杨晶杨惠云田心
关键词:蛋白质结构预测
应用ANN/HMM混合模型预测蛋白质二级结构被引量:1
2008年
针对3-状态隐马尔可夫模型(hidden Markov model,HMM)预测蛋白质二级结构准确率不高的问题,提出15-状态HMM,通过改进的算法与BP神经网络相结合进行二级结构预测。研究对象为CB513数据集中筛选出的492条蛋白质序列,将其随机均分7组。应用混合模型进行预测,对准确率进行7-交叉验证,Q3准确率达77.21%,SOV值为72.52%。结果表明,混合模型既能充分考虑相邻氨基酸残基间的相互影响,也能在一定程度上照顾二级结构的远程相关性,因此带来了较好的预测准确率。
石鸥燕杨惠云杨晶田心
关键词:蛋白质二级结构预测隐马尔可夫模型人工神经网络
老年性痴呆大鼠血清的蛋白质组学研究被引量:1
2010年
目的以老年性痴呆(AD)大鼠为研究对象,应用蛋白质组学方法在血清中筛选与AD密切相关的蛋白质,为研究AD的发病机制提供理论支持。方法通过Morris水迷宫记忆行为学筛选符合痴呆标准的AD大鼠模型,收集AD组大鼠及假手术组大鼠的血清后,去除血清中的高丰度蛋白质并进行蛋白质浓度的测定,之后进行双向凝胶电泳,挑选差异最为明显的蛋白质点进行肽质量指纹图谱分析,经数据库查询,鉴定差异蛋白质。结果经观察二维凝胶电泳图谱后,发现AD组大鼠与假手术组大鼠的血清中共有10个差异明显的蛋白质点,选取了2个最为明显的蛋白质点进行鉴定,分别为:血浆视黄醇结合蛋白前体,补体成分4,基因2(C4b)。结论C4b是新发现的与AD相关的蛋白质,有可能是潜在的AD标志物,有助于更深刻地理解AD的发病机制。
杨惠云乔海晅田心
关键词:血清老年性痴呆蛋白质组
共1页<1>
聚类工具0