本文主要研究内容
作者王宇（2019）在《粘液形成菌致垢基因调控网络智能建模方法研究》一文中研究指出：粘液形成菌是换热系统中的主要致垢微生物之一,其生长周期短,具有迅速繁殖的能力,可以快速的在换热设备内聚集并产生大量的代谢产物,从而形成微生物污垢。微生物污垢的存在不仅极大的降低了换热效率和经济效益,还增加了换热设备的安全隐患,对换热系统有着巨大的危害。迄今为止,粘液形成菌的致垢机理还未形成统一的、可用于实验研究的数学模型,但是其致垢过程,必然受致垢基因表达的调控,因此,对粘液形成菌的致垢基因进行基因调控网络建模,研究其致垢基因之间的表达调控关系,对于探索粘液形成菌的致垢机理和开发新型的微生物污垢防治方法都具有重要的意义。本文以粘液形成菌的关键致垢基因为主要研究对象,以数据驱动为主要研究手段,开发了一种新型的基因调控网络构建方法,完成了粘液形成菌致垢基因调控网络的构建。首先,为了定位粘液形成菌的致垢基因,设计了高频电磁场抑垢实验和转录组基因测序实验,通过对比正常条件下和高频电磁场环境作用下粘液形成菌基因的差异表达,定位了43个致垢基因,并进一步定位了20个关键致垢基因,获得了4个时刻的基因表达数据;然后,在综合分析各种基因调控网络模型和建模方法的基础上,提出了一种新型的基于自适应长短时记忆神经网络(LSTM)的基因调控网络建模方法,主要包含三个步骤:(1)使用LSTM进行基因表达量预测建模,并使用粒子群优化算法(PSO)优化LSTM的权重和隐层节点数;(2)使用牛顿插值法对相关基因的表达数据进行数据扩充;(3)应用皮尔森相关系数分析法,提取扩充后的相关基因的表达数据和预测得到的目标基因表达数据之间的调控关系。为了测试所提出的建模方法的有效性和普适性,分别在酵母菌细胞周期基因数据集和大肠杆菌基因修复网络数据集上进行了建模分析,结果表明,所提出的基于自适应LSTM的基因调控网络构建方法具有较高的建模精度,在两个真实生物数据集上,建模的准确性和F得分都超过了0.9,性能指标均优于其他建模方法。最后,我们使用所提出的建模方法,对粘液形成菌的20个关键致垢基因建立了3个基因调控网络。
Abstract
nian ye xing cheng jun shi huan re ji tong zhong de zhu yao zhi gou wei sheng wu zhi yi ,ji sheng chang zhou ji duan ,ju you xun su fan shi de neng li ,ke yi kuai su de zai huan re she bei nei ju ji bing chan sheng da liang de dai xie chan wu ,cong er xing cheng wei sheng wu wu gou 。wei sheng wu wu gou de cun zai bu jin ji da de jiang di le huan re xiao lv he jing ji xiao yi ,hai zeng jia le huan re she bei de an quan yin huan ,dui huan re ji tong you zhao ju da de wei hai 。qi jin wei zhi ,nian ye xing cheng jun de zhi gou ji li hai wei xing cheng tong yi de 、ke yong yu shi yan yan jiu de shu xue mo xing ,dan shi ji zhi gou guo cheng ,bi ran shou zhi gou ji yin biao da de diao kong ,yin ci ,dui nian ye xing cheng jun de zhi gou ji yin jin hang ji yin diao kong wang lao jian mo ,yan jiu ji zhi gou ji yin zhi jian de biao da diao kong guan ji ,dui yu tan suo nian ye xing cheng jun de zhi gou ji li he kai fa xin xing de wei sheng wu wu gou fang zhi fang fa dou ju you chong yao de yi yi 。ben wen yi nian ye xing cheng jun de guan jian zhi gou ji yin wei zhu yao yan jiu dui xiang ,yi shu ju qu dong wei zhu yao yan jiu shou duan ,kai fa le yi chong xin xing de ji yin diao kong wang lao gou jian fang fa ,wan cheng le nian ye xing cheng jun zhi gou ji yin diao kong wang lao de gou jian 。shou xian ,wei le ding wei nian ye xing cheng jun de zhi gou ji yin ,she ji le gao pin dian ci chang yi gou shi yan he zhuai lu zu ji yin ce xu shi yan ,tong guo dui bi zheng chang tiao jian xia he gao pin dian ci chang huan jing zuo yong xia nian ye xing cheng jun ji yin de cha yi biao da ,ding wei le 43ge zhi gou ji yin ,bing jin yi bu ding wei le 20ge guan jian zhi gou ji yin ,huo de le 4ge shi ke de ji yin biao da shu ju ;ran hou ,zai zeng ge fen xi ge chong ji yin diao kong wang lao mo xing he jian mo fang fa de ji chu shang ,di chu le yi chong xin xing de ji yu zi kuo ying chang duan shi ji yi shen jing wang lao (LSTM)de ji yin diao kong wang lao jian mo fang fa ,zhu yao bao han san ge bu zhou :(1)shi yong LSTMjin hang ji yin biao da liang yu ce jian mo ,bing shi yong li zi qun you hua suan fa (PSO)you hua LSTMde quan chong he yin ceng jie dian shu ;(2)shi yong niu du cha zhi fa dui xiang guan ji yin de biao da shu ju jin hang shu ju kuo chong ;(3)ying yong pi er sen xiang guan ji shu fen xi fa ,di qu kuo chong hou de xiang guan ji yin de biao da shu ju he yu ce de dao de mu biao ji yin biao da shu ju zhi jian de diao kong guan ji 。wei le ce shi suo di chu de jian mo fang fa de you xiao xing he pu kuo xing ,fen bie zai jiao mu jun xi bao zhou ji ji yin shu ju ji he da chang gan jun ji yin xiu fu wang lao shu ju ji shang jin hang le jian mo fen xi ,jie guo biao ming ,suo di chu de ji yu zi kuo ying LSTMde ji yin diao kong wang lao gou jian fang fa ju you jiao gao de jian mo jing du ,zai liang ge zhen shi sheng wu shu ju ji shang ,jian mo de zhun que xing he Fde fen dou chao guo le 0.9,xing neng zhi biao jun you yu ji ta jian mo fang fa 。zui hou ,wo men shi yong suo di chu de jian mo fang fa ,dui nian ye xing cheng jun de 20ge guan jian zhi gou ji yin jian li le 3ge ji yin diao kong wang lao 。
论文参考文献
论文详细介绍
论文作者分别是来自东北电力大学的王宇，发表于刊物东北电力大学2019-07-08论文，是一篇关于基因调控网络论文,微生物污垢论文,粘液形成菌论文,致垢基因论文,长短时记忆神经网络论文,粒子群优化算法论文,东北电力大学2019-07-08论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自东北电力大学2019-07-08论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：基因调控网络论文; 微生物污垢论文; 粘液形成菌论文; 致垢基因论文; 长短时记忆神经网络论文; 粒子群优化算法论文; 东北电力大学2019-07-08论文;