长链非编码RNA与病毒和微小非编码RNA关系的研究进展

非编码RNA,包括以miRNA、siRNA和piRNA等为代表的短小RNA和长链非编码RNA.长链非编码RNA,有别于其他小分子非编码RNA,是目前非编码RNA研究的热点.随着研究的不断推进,人们发现lncRNA与物种进化、胚胎发育、物质代谢以及肿瘤发生等都有着密切的联系.microRNA是一类长度为19～ 23个核苷酸的内源性非编码RNA,可以在转录水平或转录后水平调节基因的表达.     

非编码RNA与高血压关系研究进展

非编码RNA(ncRNA)是人类基因组的重要组成部分,主要包括微小RNA(miRNA)和长链非编码RNA(lncRNA)两种类型。miRNA在高血压发病机制中起重要作用,靶向miRNA或可成为治疗高血压新策略;lncRNA在高血压中也被发现呈现异常表达。miRNA和lncRNA还可能成为高血压及相关疾病诊断的生物标志物。     

非编码RNA和缺血性脑损伤

ncRNAs是决定器官和细胞特异性蛋白转录和翻译的主要调控者同时由于ncRNAs在脑组织的丰富分布和对功能的重要调节作用,因此ncRNAs和缺血性脑损伤的关系引起了研究的关注.文章综述了ncRNAs和缺血性脑损伤相关性研究的一些报道,认为未来研究的方向应该是ncRNAs与缺血性脑损伤发生机制之间的关系,缺血性脑损伤的治...     

基于主成分分析和小波神经网络预测跑步中垂直地面反作用力

目的 建立基于主成分分析(principal component analysis, PCA)和小波神经网络模型(wavelet neural network, WNN)预测跑台上人体所受垂直地面反作用力(vertical ground reaction force, vGRF)的方法。方法 选取9名后足跑者在跑台上以12、14与16 km/h速度跑步,通过红外运动捕捉系统和测力跑台同步采集运动学数据与vGRF。以Morlet函数作为激活函数并构建3层神经网络,将大腿、小腿与足的环节质心速度与髋、膝与踝关节的关节角度输入到模型。使用重相关系数(coefficient of multiple correlation, CMC)以及误差值评价预测模型的准确性,使用Bland-Altman方法分析vGRF预测峰值与测量峰值间一致性。结果 不同速度下vGRF预测曲线与测量曲线间CMC>0.99,预测值与测量值间均方根误差(root mean squared error, RMSE)为0.18～0.28 BW,标准均方根误差(normalized root mean squared err...     

乳腺癌相关长链非编码RNA的研究进展

乳腺癌在女性恶性肿瘤的发病率中高居第一,长链非编码RNA(long non-coding RNA,lncRNA)和乳腺癌的发生发展、转移和预后相关。lncRNAs可与miRNA、mRNA或蛋白相互作用来调节相关基因的表达能力,从而影响乳腺癌的治疗效果及预后情况。     

非编码RNA与肿瘤关系的研究进展

非编码RNA是指除mRNA、tRNA和rRNA以外,不编码蛋白质的RNA分子.它们在细菌、真菌和哺乳动物等许多生物体的重要生命活动中发挥着极广泛的调控作用.近年来研究表明,非编码RNA既可作为癌基因,也可作为抑癌基因,对肿瘤的发生、发展产生重大的影响.同时,非编码RNA又有希望成为肿瘤诊断的标志物和肿瘤治疗的新靶点.作者综述了小干扰RNA和微小RNA等主要非编码RNA与肿瘤关系的最新研究进展.     

非编码RNA在肿瘤中对自噬的调控

非编码RNA（ncRNA）是不参与蛋白质编码的RNA的总称,包括微小RNA（miRNA）、siRNA、piRNA、长链非编码RNA（lncRNA）、转运RNA（tRNA）、核糖体RNA（rRNA）等。其在蛋白质转录与后转录过程中有重要的调节作用。自噬是细胞在异常环境中维持生存的一种方式。大量研究表明自噬与肿瘤也存在着密切的关系,而自噬对于肿瘤的影响具有“两面性”。许多研究探讨了非编码RNA在肿瘤细胞中对于自噬过程的调控．文章综述了miRNA与lncRNA这两种研究深入的非编码RNA。     

构建编码基因-非编码RNA调控网络挖掘前列腺癌潜在致病因子

目的 基于前列腺癌的编码基因-非编码RNA调控网络识别潜在的生物标记物.方法 利用前列腺癌的lncRNA、miRNA和mRNA表达谱数据及它们与转录因子之间的靶向关系,构建编码基因-非编码RNA三维调控网络,挖掘ceRNA子网,识别潜在竞争性的lncRNA并筛选前列腺癌潜在的致病因子.结果 从ceRNA子网中识别出4个lncRNA竞争性的结合了5个miRNA间接调控了63个基因的表达,功能预测这些lncRNA参与了激素调节;基于网络拓扑属性,挖掘出一个包含了16个lncRNAs、2个miRNAs、4个mRNAs的生物标记物.结论 多种调控因子如TF、lncRNA、miRNA、mRNA共同作用影响前列腺癌的发生发展,其中有些lncRNA作为ceRNA来发挥基因表达调控的作用.     

长链非编码RNA与结直肠癌

长链非编码RNA(lncRNA)是一类长度大于200 nt的非蛋白编码RNA分子,能同时与DNA、RNA和蛋白质分子相互作用,通过转录和转录后调控等多种作用机制在结直肠癌中发挥促癌或抑癌的双重作用。lncRNA表达异常或突变在结直肠癌的发生、发展、侵袭和转移过程中扮演着重要角色,且与患者预后密切相关。lncRNA有望为成为结直肠癌新的诊断和治疗靶点。     

长链非编码RNA在卵巢癌中的研究进展

长链非编码RNA (lncRNA)是指长度超过200个核苷酸、具有调控基因表达作用的非编码RNA,近年来,因其具有复杂的生物学功能而引起了研究者的广泛关注.目前研究证实,lncRNA与多种肿瘤的发生发展有着密切的关系,可能参与促进或抑制肿瘤的生长和与肿瘤的转移有关.在卵巢癌中,某些lncRNA也被证实可能参与其致病过程.     

主成分分析法在膝关节功能评价中的应用

目的寻找客观实用的膝关节功能综合评价指标.方法通过测试正常人群和膝关节有功能障碍的人群的结构和功能指标,采用主成分分析法得出精简实用的综合评价指标.结果分别用主成分分析法得出的综合指标和原始指标对样本进行显著性检验,得出的结果相同且与受试者情况吻合.结论主成分分析法得出的综合评价指标可以有效地反映原始指标的信息,可作为早期发现膝关节功能减退和评估患者康复情况的手段.     

Intergroup and Intrasubject Principal Component Analysis of Event-Related Potentials

The purpose of this paper is to show that the familiar principal component analysis (PCA) of event-related potentials is identical to an easily formulated least squares method. This correspondence permits interpretation of several criticisms of PCA and clearer presentation of its strengths and shortcomings. Because data analysis based on PCA compares amplitudes of empirically derived components, it is necessary that the shape of the components be similar under the experimental conditions. We present and illustrate a statistical method for comparison of principal components across groups and between conditions within subjects.     

基于PCA多导联的癫痫脑电信号分类及致痫灶定位研究

为了更好的对致痫灶进行准确定位,提出了一种基于PCA(主成分分析)的定位方法.针对非线性动力学方法从不同角度提取癫痫脑电信号特征,首先采用主成分分析对高维特征向量进行降维处理,用随机森林进行分类;随后利用医学参考值范围找出各导联的差异变化,进而实现对致痫灶的初步定位.     

The Influence of Latency Jitter in Principal Component Analysis of Event-Related Potentials

Principal component analysis of event-related potentials is known to be suspect when underlying components have varying latency. In this note it is theoretically shown that approximately an additional component may be assumed, being the time-derivative of the underlying component. Validity of this approximation is demonstrated in a simulation study.     

基于B P神经网络的脑肿瘤MRI图像分割

利用BP神经网络技术对MR脑肿瘤图像中的肿瘤区域与正常组织区域进行分割,以辅助医疗诊断与治疗。首先,人工分割出部分影像中的肿瘤组织与正常组织作为已知样本;其次,在BP神经网络模型中输入已知样本中进行训练;最后,用训练好的BP神经网络处理其他脑肿瘤图像。BP神经网络能够有效分割MR脑肿瘤图像,辨别出肿瘤与周围正常组织的差异,但模糊区域也常被误判为肿瘤。因此,本研究提出进一步对模糊区域样本进行针对性训练与特殊的滤波处理,所得结果有较大改进。BP神经网络能有效地进行脑肿瘤MRI图像分割,但在使用时仍需正确选择输入样本的区域和范围并结合特殊的滤波处理。     

Neural Network Based on GA-BP Algorithm and its Application in the Protein Secondary Structure Prediction

INTRODUCTIONBioinformatics〔1〕about biology sequence research is mainly about the research of amino acid se-quence,because amino acid sequence determines space structure of protein and which determines the di-versity of physiological function of protein〔2〕.So there remains intimate relation among sequence,struc-ture and function,and the relation should be theoretically expressed by certain mathematical method.Through the research and analysis on lots of known space structures of protein…     

BP网络与复杂疾病相关的SNPs数据分析

反向传播（BP）神经网络在基因数据分析中具有重要意义。本文首先介绍了单核甘酸多态性（single nucleotidepolymorphisms,SNPs）的研究背景、分析热点及遇到的主要问题;在此基础上综述了当前常用的SNPs分析方法及其不足;随后介绍了BP神经网络在SNPs分析中的应用,如易感基因的筛选、肿瘤的诊断性分类等,并针对主要问题提出了解决方法,即用BP网络结合参数递减方法（parameter decreasing method,PDM）和聚类分析进行复杂疾病相关的SNPs数据分析。     

基于神经网络的环孢素血药浓度预测

通过研究肾移植病人环孢素A血药浓度的不同影响因子,分别采用广义神经网络、Elman网络、BP神经网络等模型,对环孢素A血药浓度进行预测.结果显示三种网络模型都达到了较好的预测结果,其中BP网络的预测结果最好,平均相对误差为19.94%,Elman网络的平均相对误差为21.39%,广义神经网络的平均相对误差为25.93%.说明将神经网络应用于预测CsA血药浓度是可行的,其结果可以作为临床CsA的个体化给药的参考.     

基于小波变换和BP神经网络的室性早搏(PVC)识别

目的:室性早搏(PVC)是最常见的心律失常,能够实时、准确检测出它具有重要的临床意义。为了能够及早地发现室性早搏(PVC)、提高医生对室性早搏(PVC)诊断的准确性,本文研究了基于小波变换和BP神经网络的室性早搏(PVC)识别方法。方法:首先选取ECG信号的特征参数,用小波变换检测其特征点,提取特征参数,构造特征向量,然后再用训练好的BP神经网络对室性早搏(PVC)进行识别,从而实现ECG信号的正常心律和室性早搏的自动检测识别。结果:本文构造了一个7-10-1结构的三层BP神经网络,用MIT-BIH标准心电数据库中的心电信号数据对构造的神经网络进行训练、检测识别,识别率达到预期的效果。结论:分析MIT-BIH心电数据库六组试验数据的实验结果,证明了基于小波变换和BP神经网络的室性早搏(PVC)识别的方法具有较高的PVC自动检测识别率,对医生的诊断有良好的辅助作用,具有较高的应用价值。     

基于BP神经网络的全身骨SPECT图像分割

我们尝试用BP神经网络分割全身骨SPECT图像,实现病变区域的自动识别。由于SPECT图像病变区域的判断要考虑图像的整体信息,其特征具有不确定性,单靠神经网络识别很难达到理想的效果。我们把分割过程分预处理、神经网络分割和后处理三部分,先用最佳阈值法进行预处理,然后用神经网络进行粗分类,最后用模板匹配和去对称程序排除误识别的区域。