化學信息學方法研究及其在環(huán)境、生物學中的應用.pdf

1、化學信息學的研究范圍極為廣泛，內容非常豐富?；瘜W試驗設計與優(yōu)化、定量校正理論、分析信號處理、化學模式識別、模型與參數估計、數據解析、過程模擬、人工智能、情報檢索、實驗室自動化等等都是化學計量學的研究范圍。化學信息學的發(fā)展為化學各分支學科、其中特別是分析化學、環(huán)境化學、藥物化學、有機化學、化學工程等，提供了不少解決問題的新思路、新途徑和新方法。本文將其應用于環(huán)境、生物的數據處理中。 以地下水各聚類指標水質級別國家標準值為評價標準

2、，建立投影尋蹤聚類模型，將評價模型運用于韓城礦區(qū)桑樹坪煤礦水環(huán)境質量現狀評價中，并與其它方法的結果進行比較。實例應用表明：投影尋蹤技術用于水環(huán)境質量評價具有較好的客觀性和實用性，亦可用于其它環(huán)境質量的綜合評價。 同時，建立基于免疫算法的投影尋蹤回歸(PPR)模型對東莞市2003年全年降水監(jiān)測數據進行PH值預測，結果顯示了方法的穩(wěn)健性和較好的預測能力。 基于全序列尺度信息的離散小波變換被用來建模進行線粒體蛋白質的預測。

3、全序列相似度比較，比傳統(tǒng)的預測方法揭示了更多的信息，并且不依賴亞細胞位點信息，同時能夠直接預測不同長度的線粒體序列。在我們的試驗中，499條線粒體蛋白質構成的數據庫被用作訓練集，681條非線粒體蛋白質被測試。該預測系統(tǒng)sensitiVity，specificity，accuracy和MCC分別為50.30[％]，95.74[％]，76.53[％]和0.54。 基于傅立葉的支持向量機被發(fā)展來預測蛋白質的亞細胞位點。通過序列的物理

4、化學和結構信息，使用c-p-v潛代模型(c：成分；p：極性；v：分子體積)，將序列轉換為數字信號，利用傅立葉變換將其轉換為512個頻率點，作為支持向量機的輸入數據，通過模型處理，原核生物體的預測精度達到83％，真核生物體的預測精度達到84％。預測效果使用留一法進行檢驗。 同時，該支持向量機模型被使用來預測G—蛋白偶聯受體B，C，D和F子家族的預測，其馬氏相關系數和精度分別為O.95和93.3％?；谠撃Ｐ偷膚eb服務器網址為：