关键词： 细胞色素P450酶   药物代谢   非同义单核苷酸多态性   分子动力学模拟   分子对接   机器学习方法  

摘要： 细胞色素P450酶家族是人体中重要的一类单氧化酶,在体内发挥着许多功能,特别在药物代谢过程中具有重要作用,是人体内主要的药物代谢酶。同时此类酶的另一特性是在基因水平上具有广泛的遗传多样性,可以引起不同个体之间药物代谢能力的明显差异。因此对于细胞色素P450酶介导的药物代谢过程、不同细胞色素P450酶单体与化合物之间的代谢关系、基因多态性对于细胞色素P450酶的功能影响以及不同细胞色素P450酶突变体的活性改变机制等一直是人们对于细胞色素P450酶研究的热点。本文主要针对细胞色素P450酶的非同义单核苷酸多态性对于酶功能活性的影响及细胞色素P450酶与不同化合物之间的代谢关系进行四方面相对独立的研究,下面对进行的研究内容和所得到的结论进行简要的描述。 1、通过收集和阅读相关文献,构建了侧重于细胞色素P450酶的非同义单核苷酸多态性(nsSNP)影响酶活性变化的数据库CYP-nsSNP。该数据库不仅对已测定的相关实验数据进行了有效的整理,同时也可以为理论研究氨基酸在维持细胞色素P450酶活性中的作用提供了可靠的数据资源;2、利用分子动力学模拟和分子对接以及其它基于蛋白结构的方法对于蛋白表面具有重要作用的氨基酸突变F186L如何影响CYP1A2结构和功能进行了系统研究。从蛋白结构和蛋白运动的角度上分析了该表面氨基酸突变对于酶活性的作用,在原子水平上对于此表面氨基酸突变导致酶活性改变给予了合理的解释,并且首次在细胞色素P450酶研究中将蛋白运动和底物通道相结合进行分析。同时提出了与别构效应调节相类似,表面氨基酸突变可以借助影响蛋白运动和改变蛋白构象的方式来调节蛋白活性;3、利用机器学习方法从化合物结构出发对于不同细胞色素P450酶底物代谢的选择性进行研究。将遗传算法和人工神经网络方法以及多标签K邻近分类法联合使用,分别构建出可以对细胞色素P450酶底物进行分类的单标签多类别和多标签多类别分类模型。与其它细胞色素P450酶底物的分类模型相比,我们的模型涵盖了更多种类的细胞色素P450酶,更加符合体内细胞色素P450酶所介导的药物代谢;4、将基于蛋白结构和小分子结构的两类方法相结合,构建出针对CYP1A2酶活性中心的结构模型。通过该模型我们可以获得组成CYP1A2酶活性中心的重要氨基酸残基在底物结合过程中所发挥的作用,并且对于药物代谢位点预测、药物设计以及有目的酶功能改造提供了详实可靠的信息。

关键词： 中药化学成分   机器学习方法   靶点识别  

摘要： 与有效成分相作用靶点的识别是从分子水平阐明中药作用机理的关键步骤。本文提出1种新的思路来解决中药化学成分的靶点识别问题。该方法基于小分子化合物的结构,计算表征分子组成、电荷分布、拓扑、几何结构及物理化学性质的分子描述符,经BestFirst搜索策略和CfsSubsetEval评估策略相结合的方法筛选出与靶点作用活性相关的分子描述符。采用径向基神经网络、朴素贝叶斯和随机森林3种机器学习方法构建一系列靶点的识别模型,后期将所建模型整合成靶点识别系统,进而预测中药有效成分的作用靶点。采用10折交叉验证,3种方法得到总的预测正确率分别为83.33%～95.71%、84.62%～96.43%、82.14%～95.59%,识别过程在(0.02～0.19)秒完成。实验结果证明该方法不但简单有效,更主要的是满足面向中药化学成分的靶点识别任务对辨识效率的要求。

关键词： 结构可靠度分析   高斯过程   抽样方法   Reliability   Analysis   Sampling   Method   机器学习方法   重要抽样法   参数自适应   显式表达   实现结构   实例验证   失效概率   可靠指标   计算效率   计算精度   计算结构   功能函数   分析方法   传统方法   偏导数  

摘要： 针对传统复杂水工结构可靠度分析方法的局限性,提出了结构可靠度分析的高斯过程重要抽样方法。通过高斯过程机器学习方法实现结构功能函数及其偏导数的显式表达,进而结合传统重要抽样法计算结构的失效概率与可靠指标。实例验证了方法的可行性,与传统方法相比较,高斯过程重要抽样方法具有计算精度高、计算效率高和参数自适应化等优点。

关键词： 情绪监控   情绪监控预警模型   机器学习方法   预警指标  

摘要： 突发事件所引发的群体情绪可能会导致衍生群体事件的发生,所以有必要对群体情绪演化进行监控预警。本文对突发事件发生、发展过程中群体情绪的演化进行了研究,建立了面向突发事件的情绪层次模型以及情绪监控预警模型。通过支持向量机、贝叶斯文本分类算法、n元语言模型三种机器学习算法,以及CH I(卡方检验)、DF(文档频率)、IG(信息增益)三种特征选择方法对突发事件相关的微博评论进行了情绪分类的实验分析,实验结果表明支持向量机、IG取得的分类性能最优,得到的分类结果可以满足实际应用的需求。进而对王家岭矿难、山西疫苗两个突发事件进行了实际案例研究,建立并分析了情绪层次演化曲线。最后提出了群体情绪演化预警指标以及预警模式的概念。

关键词： 乙酰胆碱酯酶抑制剂   机器学习方法   变量筛选   应用域  

摘要： 我们构建了表征乙酰胆碱酯酶抑制剂分子组成、电荷、拓扑、几何结构及物理化学性质等特征的1559个描述符,通过Fischer Score排序过滤和Monte Carlo模拟退火法相结合进行变量筛选得到37个描述符,然后分别用支持向量学习机(SVM)、人工神经网络(ANN)和k-近邻(k-NN)等机器学习方法建立了乙酰胆碱酯酶抑制剂的分类预测模型.对于训练集的515个样本,通过五重交叉验证,各机器学习方法对正样本,负样本和总样本的平均预测精度分别为87.3%-92.7%,67.0%-81.0%和79.4%-88.2%;通过y-scrambling方法验证SVM模型是否偶然相关,结果正样本,负样本和总样本的平均预测精度分别为72.7%-82.5%,41.0%-53.0%和62.1%-69.1%,明显低于实际所建模型的预测精度,表明所建模型不存在偶然相关;对172个没有参与建模的外部独立测试样本,各机器学习方法对正样本,负样本和总样本的预测精度分别为93.3%-100.0%,74.6%-89.6%和86.1%-95.9%.所建模型中,SVM模型预测精度最好,且明显高于其它文献报道结果.

关键词： 网络安全   机器学习   入侵检测系统  

摘要： 入侵检测是一种保障网络安全的新技术,传统的入侵检测方法存在误报漏报及实时性差等缺点,将机器学习的技术引入到入侵监测系统之中以有效地提高系统性能具有十分重要的现实意义。将目前主要的基于机器学习的贝叶斯分类的方法、神经网络的方法、决策树方法与支持向量机的方法应用于入侵检测系统中,以kdd99公共数据集进行了仿真实验,仿真测试结果表明支持向量机方法(SVM)和神经网络方法具有较好的分类识别性能,适合用于入侵检测。

关键词： 太阳光球磁场   磁场复杂性和非势性   支持向量机   太阳质子事件预报  

摘要： 本文选取三个描述太阳活动区磁场复杂性和非势性的特征物理量纵向磁场最大水平梯度|-hBz|m,强梯度中性线长度L,孤立奇点数目η.对这三个参量统计计算后结果作为预报因子,应用支持向量机作为预报方法建立一个基于磁场特征物理量的太阳质子事件短期预报模型,该模型可以预报活动区未来24小时是否爆发太阳质子事件.2002和2003年连续两年的样本检测并和基于传统预报因子的模型进行了比对,结果显示预报模型具有较高的准确率和较低的虚报率,从而验证了太阳光球磁场参量作为太阳质子事件预报因子的有效性.

关键词： 机器学习   网络攻击   结合语义   信息安全   恶意代码   多态蠕虫签名提取  

摘要： 近两年中美国因病毒、间谍软件等网络攻击损失近85亿美元，而中国大陆更是有数以亿计的大量主机和网络被恶意攻击、破坏和篡改。一方面，种类繁多功能各异的诸如virus，worm，rootkit,spyware，botnets,adware等malware层出不穷，黑客攻击方式、手段与过程不断复杂深化；另一方面，信息系统漏洞不断增长，漏洞越来越多。强大的经济利益的驱动使得恶意代码检测(detection)与防范(defense)技术仍是信息安全届亟需解决的No.1问题。攻击者不断升级并复杂化新的攻击手段，防守者根据攻击提出防护措施，例如修补patch,注入防护疫苗（vaccin）等；进一步地，攻击者提出新的反检测(anti-detection)和规避（evasion）技术，防护者也要不断更新防护技术。攻防双方不断博弈（game）,两者在动态平衡中，不断将局部的马鞍点（saddle point）向前推进。统计机器学习源于统计，长于关系推理和知识的自动学习，已在文本分析，视频分析，图像理解，语音信号识别取得极好的效果。我们把恶意代码检测与攻击比作一场猫捉老鼠的游戏，统计机器学习能不能有效的扮演“猫”的角色，能不能在已有的恶意代码检测与分析的基础上在如虎添翼？我们将通过几个具体的案例分析来回答上述问题。本文论域中的恶意代码包含两类，第一类是基于packet的恶意代码，例如多态蠕虫，通过网络传播的shellcode;第二类是基于文件的恶意代码，例如被攻陷（compromised）的exe文件或者dll文件。最后我们还给出了一个机器学习在多线程程序安全中的应用案例分析。\n 第二章中，提出了一种结合语义的多态蠕虫签名提取算法，用于检测多态蠕虫。字符串提取和匹配技术已经广泛的用于基于签名提取的恶意代码检测中。但是，如何快速有效的产生蠕虫签名尤其在敌手（adversarial）环境中仍然是一个十分挑战的问题。一方面，攻击者有足够的自由来操纵攻击packet中的字符分布来逃脱检测；另一方面，因为恶意流池（a suspicious flow pool）在签名产生过程中使用，攻击者可以注入噪声字节到恶意流池中，从而误导签名产生过程。为了解决上述攻击，我们提出了SAS，一种新的结合语义（semantic aware）的统计算法用于自动产生签名。当SAS处理来自于恶意流池中的packet时，它使用数据流分析技术来移除正常的packet和恶意packet中的正常字节。结果上，那些相关于语义的字节被保留下来。基于这些

关键词： EMPIRICAL SCORING FUNCTIONS   GENETIC ALGORITHM   FLEXIBLE DOCKING   DRUG DISCOVERY   RECOGNITION   VALIDATION   POTENTIALS   DATABASE   SEARCH   FOREST  

摘要： Motivation: Accurately predicting the binding affinities of large sets of diverse protein-ligand complexes is an extremely challenging task. The scoring functions that attempt such computational prediction are essential for analysing the outputs of molecular docking, which in turn is an important technique for drug discovery, chemical biology and structural biology. Each scoring function assumes a predetermined theory- inspired functional form for the relationship between the variables that characterize the complex, which also include parameters fitted to experimental or simulation data and its predicted binding affinity. The inherent problem of this rigid approach is that it leads to poor predictivity for those complexes that do not conform to the modelling assumptions. Moreover, resampling strategies, such as cross-validation or bootstrapping, are still not systematically used to guard against the overfitting of calibration data in parameter estimation for scoring functions. Results: We propose a novel scoring function (RF-Score) that circumvents the need for problematic modelling assumptions via non-parametric machine learning. In particular, Random Forest was used to implicitly capture binding effects that are hard to model explicitly. RF-Score is compared with the state of the art on the demanding PDBbind benchmark. Results show that RF-Score is a very competitive scoring function. Importantly, RF-Score's performance was shown to improve dramatically with training set size and hence the future availability of more high-quality structural and interaction data is expected to lead to improved versions of RF-Score.

关键词： 集成学习   子分类器   基因数据   机器学习方法   子空间优化  

摘要： 当前,集成学习是机器学习和数据挖掘领域中热门的研究方向。集成学习是使用一系列学习器进行学习,再按照某种规则把各个学习器结果进行整合从而获得比单个学习器更好的学习效果的一种机器学习方法。集成学习在生产、科研和生活中有着广泛应用前景。本文主要在子空间的优化以及子分类器的选择上对集成学习作了较深入的研究,并将这些改进的算法应用到基因数据分析中,主要工作包括如下几个方面:\n 1.提出了一种基于遗传算法的子分类器选择分类集成算法GASS。为了解决由不同的子空间生成的子分类器(Subclassifier)之间存在的相关性或冗余性对分类过程产生不必要时间与空间消耗以及对分类结果的影响,探索了如何在这些子分类器中选择尽量少的分类器而分类集成的效果尽量好,此方法叫做子分类器选择(SubclassifierSelection)。从实验结果看,GASS在时间开销和分类精确度方面都达到了比较好的效果,本文对遗传算法中适应度函数的参数也做了相应讨论与分析。\n 2.提出了一种基于Simba的子空间优化算法FSEL。该算法利用基于假设间隔的特征选择算法Simba对数据集的各个特征按其贡献度进行排序,得到一个特征贡献度序列,并对这个序列进行分段,并对各个段区设定选择特征的比例,这样既可以按设定取到贡献度大的特征,也能做到对不同贡献度的特征的选取保证了分类器的差异性,以达到最好的分类效果。实验结果表明分类结果得到了较大提高,并且对分段段数和段区比例等参数都做了不同的设置并对结果进行讨论分析。\n 3.将GASS算法和FSEL算法应用到高维基因数据分析中。GASS算法通过将高维特征进行子空间选择,并过滤掉相关性大的子分类器;FSEL算法对高维特征进行子空间优化,特征子空间尽量选择贡献度较大的特征,忽略贡献度很小的特征,并且在不同的贡献度上做到平衡。实验效果表明GASS算法和FSEL算法对于高维基因数据也有较好的效果。