期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
iKcr-RG:基于ResNet和BiGRU的双分支策略预测非组蛋白质赖氨酸酰化位点
1
作者 程航 段燕北 魏欣 《中国生物化学与分子生物学报》 北大核心 2025年第2期305-314,共10页
赖氨酸酰化是一种蛋白质翻译后修饰方式,这种修饰在细胞功能、基因转录以及细胞代谢中发挥着关键作用。同时,赖氨酸酰化还涉及生命体多个生物学过程,其异常可能与多种疾病的发生和发展相关。因此,研究赖氨酸酰化位点的预测对于疾病的诊... 赖氨酸酰化是一种蛋白质翻译后修饰方式,这种修饰在细胞功能、基因转录以及细胞代谢中发挥着关键作用。同时,赖氨酸酰化还涉及生命体多个生物学过程,其异常可能与多种疾病的发生和发展相关。因此,研究赖氨酸酰化位点的预测对于疾病的诊断和治疗具有重要意义。尽管生物医学实验可以高精度地检测赖氨酸酰化位点,但其成本高且耗时较长。为了解决这一问题,研究人员开发了更为便捷和高效的计算方法,以替代传统的生物医学实验技术。本研究开发了一个深度学习方法的预测模型iKcr-RG,该模型采用了双分支策略,同时使用ResNet和BiGRU来提取原始序列编码中的局部特征和全局特征信息。为了进一步提升模型的性能,我们创新性地设计了一种特征融合方法。经过这些优化,本研究在非平衡数据中展现出了更强的鲁棒性和稳定性。在独立数据集的结果中,特异性(Sp)、灵敏性(Sn)、准确性(Acc)和马修斯相关系数(MCC)分别为0.8109、0.7902、0.7940和0.4978。iKcr-RG模型在预测赖氨酸酰化位点优于现有方法,这项研究为深度学习在生物信息学领域的应用提供了新的思路和方法。 展开更多
关键词 蛋白质翻译后修饰 赖氨酸酰化位点 深度学习 特征提取 特征融合
在线阅读 下载PDF
匹配变换和线性变换融合的水下图像增强 被引量:1
2
作者 段燕北 程航 《实验室研究与探索》 CAS 北大核心 2024年第7期23-27,182,共6页
为了有效地改善水下图像的颜色和对比度,提出了匹配变换和线性变换融合的水下图像增强方法。对强度最大的通道图像进行对比度限制的自适应直方图均衡化,根据均衡化后的通道图像直方图,对另外两通道图像分别进行直方图匹配,最后得到颜色... 为了有效地改善水下图像的颜色和对比度,提出了匹配变换和线性变换融合的水下图像增强方法。对强度最大的通道图像进行对比度限制的自适应直方图均衡化,根据均衡化后的通道图像直方图,对另外两通道图像分别进行直方图匹配,最后得到颜色校正的图像。在HSV颜色空间中,对颜色校正图像的明度分量进行自适应分段线性变换,得到对比度增强的图像。分别计算2张增强图像的对比度权重、显著性权重、亮度分布权重和饱和度权重,根据权重对2张增强图像进行多尺度金字塔加权融合,得到最后的增强图像。实验结果表明,该方法对水下图像增强后的视觉效果优于现有方法,对应的平均梯度、水下彩色图像质量评价(UCIQE)指标和水下图像质量(UIQM)指标比现有方法分别提高30.0%、7.29%和16.0%。 展开更多
关键词 水下图像增强 直方图匹配 自适应分段线性变换 金字塔加权融合
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部