您的位置: 专家智库 > >

罗凯旋

作品数:7 被引量:3H指数:1
供职机构:复旦大学更多>>
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科技重大专项更多>>
相关领域:自动化与计算机技术生物学医药卫生更多>>

文献类型

  • 4篇专利
  • 2篇期刊文章
  • 1篇学位论文

领域

  • 3篇自动化与计算...
  • 2篇生物学
  • 1篇医药卫生

主题

  • 6篇蛋白
  • 6篇蛋白质
  • 6篇蛋白质组
  • 6篇蛋白质组学
  • 6篇白质
  • 4篇分类器
  • 2篇蛋白相互作用
  • 2篇蛋白质组学技...
  • 2篇映射
  • 2篇生物学
  • 2篇生物学意义
  • 2篇朴素贝叶斯
  • 2篇朴素贝叶斯分...
  • 2篇朴素贝叶斯分...
  • 2篇组学技术
  • 2篇线性判别分析
  • 2篇相互作用
  • 2篇向量
  • 2篇向量机
  • 2篇贝叶斯

机构

  • 7篇复旦大学
  • 1篇军事医学科学...
  • 1篇上海市疾病预...

作者

  • 7篇罗凯旋
  • 3篇贺福初
  • 3篇钟凡
  • 2篇汪洋
  • 2篇汪海健
  • 2篇陈先
  • 2篇邹鹏
  • 1篇王吉耀
  • 1篇陆晔
  • 1篇刘杰
  • 1篇林成招
  • 1篇赵亮

传媒

  • 1篇环境与职业医...
  • 1篇中国科学:生...

年份

  • 2篇2013
  • 1篇2011
  • 3篇2010
  • 1篇2009
7 条 记 录,以下是 1-7
排序方式:
一种结构域映射蛋白相互作用组的定量分析方法
本发明属蛋白质组学生物信息学领域,涉及一种结构域映射蛋白相互作用组的定量分析方法。本发明利用“双标签”蛋白质组学技术定量化检测蛋白质相互作用,并通过所鉴定到蛋白质的结构域和定量信息即相互作用程度来分别进行双边聚类和可视化...
陈先邹鹏罗凯旋汪洋
文献传递
一种差异蛋白质组学的分类方法
本发明属蛋白质组学分类领域,涉及差异蛋白质组学分类方法。包括:用单变量统计分析、顺序特征选择和遗传算法选择特征,用主成分分析和偏最小二乘法提取特征,并与线性判别分析、k-最近邻分类器、支持向量机、决策树、朴素贝叶斯分类器...
贺福初罗凯旋钟凡汪海健
多种芯片检测和多元分析法在肝纤维化患者血浆蛋白表达谱分析中的初步应用
2011年
[目的]运用多种表面增强激光解吸-离子化飞行时间质谱(surface-enhanced laser desorption/ionization time of flight mass spectrometry,SELDI-TOF-MS)蛋白质芯片及多元分析方法寻找由乙型肝炎病毒(hepatitis B virus,HBV)感染引起的肝纤维化病程相关的血浆生物标志物。[方法]选用多种SELDI化学表面芯片,比较分析肝纤维化病人和正常血浆样本,筛选和确定3种最佳芯片类型。用这3种芯片分析无肝纤维化、轻度肝纤维化、重度肝纤维化和肝硬化4组共110例患者的血浆样本。运用主成分分析(PCA)、偏最小二乘回归(PLSR)、软独立建模分类法(SIMCA)等数据分析技术寻找差异蛋白。用聚类分析法研究差异蛋白的表达相似性。[结果]3种最适芯片类型分别是弱阳离子交换芯片(WCX2)、强阴离子交换芯片(SAX2)、固定化镍金属螯合亲和层析芯片(IMAC-Ni)。这3种芯片吸附的蛋白质种类互不相同,所发现的差异蛋白质峰也不同。经t检验分析,3种芯片共发现了20个差异蛋白峰。运用PCA、PLSR、SIMCA等数据分析技术,分别发现了105、98、62个差异峰,并对差异峰的重要性的可信度进行衡量。运用聚类分析技术,将差异蛋白的表达模式分组。[结论]联用多种SELDI芯片检测,结合多元分析方法,使SELDI技术成为筛选疾病相关的生物学标志物的有力工具。
陆晔罗凯旋刘杰王吉耀林成招
关键词:生物信息学肝纤维化
一种结构域映射蛋白相互作用组的定量分析方法
本发明属蛋白质组学生物信息学领域,涉及一种结构域映射蛋白相互作用组的定量分析方法。本发明利用“双标签”蛋白质组学技术定量化检测蛋白质相互作用,并通过所鉴定到蛋白质的结构域和定量信息即相互作用程度来分别进行双边聚类和可视化...
陈先邹鹏罗凯旋汪洋
一种差异蛋白质组学的分类方法
本发明属蛋白质组学分类领域,涉及差异蛋白质组学分类方法。包括:用单变量统计分析、顺序特征选择和遗传算法选择特征,用主成分分析和偏最小二乘法提取特征,并与线性判别分析、k-最近邻分类器、支持向量机、决策树、朴素贝叶斯分类器...
贺福初罗凯旋钟凡汪海健
文献传递
评估几种降维分类器应用于生物质谱数据的性能被引量:3
2010年
在基于质谱的蛋白质组学数据分类研究中,降维技术能够通过提取特征来降低变量维度,有助于机器学习方法进行准确高效地分类.为了研究和比较机器学习分类器与降维技术相结合的分类模型在蛋白质组学数据分类中的性能,为相关的分类研究提供参考,将线性判别分析、k-最近邻、决策树、支持向量机及人工神经网络分类方法与主成分分析及偏最小二乘降维技术相结合,应用于质谱公共数据的分类中.本文所使用的结合式分类模型中,PLS-LDA,PLS-SVM和PLS-ANN方法表现出了最高的分类准确率.为进一步提升分类效果,基于最优的这3种组合分类方法,采用多数投票法构建了专家分类系统.在10倍交叉验证中,多数投票模型仅使用前5个主成分即达到100%的分类准确率.本研究方法和结论为质谱及其他类型的指纹图谱分析研究提供了有益的参考.
罗凯旋钟凡赵亮贺福初
关键词:蛋白质组学降维
数据挖掘方法在蛋白质组学中的应用研究
本论文的主要贡献为:1.针对差异蛋白质组数据挖掘中对于疾病病程诊断问题,建立了加权整合分类分析方法(Weighted Integrative Classification Analysis,WICA),为基于蛋白质组学技...
罗凯旋
关键词:蛋白质组学数据挖掘组合分类器聚类分析
共1页<1>
聚类工具0