可伸缩的数据挖掘算法在计算生物学和生物医学

因为“精密医学”最初是由奥巴马总统发起的,它提供了一个巨大的挑战和机会计算生物学和生物医学。近年来,计算方法极大地出现在生物医学和生物信息学研究,包括医学图像分析、医疗信息、和癌症基因组学。许多预测和采矿工程所需的医疗数据,如肿瘤图像,电子医疗记录,微阵列,GWAS(全基因组关联研究)的数据。因此,越来越多的数据挖掘算法被用于预测任务计算生物学和生物医学。

先进的数据挖掘技术近年来也发展迅速。几个影响的新方法被报道在顶级期刊和会议。例如,亲和力传播发表在科学作为一种新的聚类算法。最近,深度学习似乎适合大数据,成为下一个热门话题。并联机构也由学者和行业研究人员,如Mahout。越来越多的计算机科学家们正在致力于先进的大规模的数据挖掘技术。然而,在生物医学应用还没有完全得到解决和落后的技术成长。

这个特殊的问题有针对性的最近的大规模数据挖掘技术与生物医学应用和提供了一个平台,让科学家们交换他们的创新想法和真实的生物医学数据。我们收到25手稿来自亚洲、欧洲和美国,其中21篇论文被接受。我们为我们的特别问题分类三个小主题。

第一部分包含5篇论文相关的生物医学图像。摘要“卷积深层信念网络为单细胞/对象跟踪计算生物学和计算机视觉”提出了一种基于卷积的深层信念网络架构动态学习最歧视的特性数据为单细胞和对象跟踪的计算生物学,细胞生物学,计算机视觉。本文“客观心室分割基础上与缺血性中风脑CT解剖知识”提议在CT检测系统缺血性中风,中风可排除区域从分割结果与分割策略。摘要“大脑核磁共振图像的分割与改进和声搜索算法”提出了一个改进算法来提高算法的效率。首先,粗糙集算法是用来改善HS算法的收敛性和精度。然后,使用改进的HS算法得到最优值。最优值的收敛采用的模糊聚类算法的初始值分段磁共振成像(MRI)的大脑图像。摘要注释肝脏CT图像的基于“功能区域血管树”提出了vessel-tree-based肝脏CT图像注释方法基于拓扑图形。构造层次血管树把肝脏分成八个部分根据奎诺分类理论,从而注释功能区域。摘要“健壮的单个细胞/对象跟踪通过PCANet深度网络在生物医学和计算机视觉”提出了一个健壮的特性为健壮的单个细胞/对象跟踪学习方法,可以构造一个歧视的外观模型通过PCANet深没有大规模pretraining网络。

第二部分包含12个论文生物信息学。摘要”指标在一定程度上降低了系统的空间网络”提出了一个多项式时间可计算的指标在一定程度上降低了系统的空间网络基于等效节点,其空间更接近根的空间比其他的系统网络。本文“统计方法的建设和解释人类蛋白质相互作用网络”建立了一个可靠的人类蛋白质相互作用网络和发达的计算工具来描述(PPI)蛋白质相互作用网络,在信心措施分配给每一对派生的交互和网络分析的信心。纸”在网上预测使用小说Machine-Learning-Based俘虏γ-氨基丁酸受体的SVM和GBDT方法”提出了Machine-Learning-Based GABAARs预测方法在高和低的身份数据,只足够捕获特性的蛋白质(GABAARs和non-GABAARs)序列信息基于188 -维算法和预测由梯度提高决策树,随机森林,libSVM,和神经网络分类器。通过整合基因表达和DNA甲基化数据,本文“发现司机在不吸烟的早期肺腺癌DNA甲基化事件”提出了一种生物信息学管道微分网络分析发现司机和响应DNA甲基化基因methylation-mediated模块导致肿瘤发生。计算管道成功确认司机表观遗传事件不吸烟肺腺癌的早期阶段。纸”的识别细菌细胞壁裂解酶通过伪氨基酸组成“细菌细胞壁裂解酶预测提出了一个计算方法,可以获得最佳的特性从伪氨基酸组成通过ANOVA-based特征选择技术。摘要“重组热点/ Coldspot识别结合三个不同的假成分通过整体学习方法”提出了一种新的计算预测仅供重组热点识别基于DNA序列,相结合三种功能通过一个集成学习技术。这将是一个有用的工具进行DNA序列分析。摘要”分析相关的重要基因本体术语和生物学途径胰腺癌”调查的胰腺癌中提取重要的相关条款和KEGG通路。浓缩的理论去KEGG通路采用编码基因与其他基因进行验证。和mRMR方法被用来分析每个词和KEGG通路的重要性。此外,获得去条款和KEGG通路进行了广泛的分析。 The paper “Constructing Phylogenetic Networks Based on the Isomorphism of Datasets” researched the commonness of the methods based on the incompatible graph, the relationship between incompatible graph and the phylogenetic network, and the topologies of incompatible graphs. The paper “A Novel Peptide Binding Prediction Approach for HLA-DR Molecule Based on Sequence and Structural Information” proposed a novel prediction method for MHC II molecules binding peptides, which calculated sequence similarity and structural similarity between different MHC II molecules and produced a combined similarity score to predict binding cores. The paper “ProFold: Protein Fold Classification with Additional Structural Features and a Novel Ensemble Classifier” proposed a machine learning method for protein fold classification, which imports protein tertiary structure in the period of feature extraction and employs a novel ensemble strategy in the period of classifier training. The paper “An Approach for Predicting Essential Genes Using Multiple Homology Mapping and Machine Learning Algorithms” aimed to test whether optimizing the weight coefficients by the machine learning method could improve the accuracy of their previously proposed evolutionary feature based model, which had shown the best prediction among all published algorithms for predicting bacterial essential genes, and finally the adaption achieved a small improvement. The paper “Positive-Unlabeled Learning for Pupylation Sites Prediction” employed PU learning for predicting pupylation sites and got better performance than traditional classifiers.

第三部分包含4论文,侧重于计算医学。本文“优化培养条件Phellinus生产基于回归分析和基因片段的遗传算法”提出Phellinus生产的优化方法,在回归模型获得的采样数据和基于基因片段的遗传算法应用于寻找Phellinus生产优化的因素。本文基于“深度衰减程度的可视化心脏缺血性电生理学特性探索“实现人类心脏缺血模型,揭示了隐藏的心脏缺血条件下生物物理行为的深度关注程度的基础光学衰减模型,有效地探索感兴趣的重要功能的心脏病理条件下复杂的电生理环境和基本的分析和解释生物物理机制心脏功能的医生和医疗人员。本文“跨步的分析和分类模式与儿童发展使用步态信号动力学参数和整体学习算法”计算样本熵和平均步幅区间参数来量化不同年龄段儿童的步态动力学和使用的演算法。平方米,装袋合奏学习算法有效地执行步态模式分类。摘要“实验环境的优化计算方法Phellinus igniarius通过遗传算法和BP神经网络训练数据用于建立一个神经网络模型,它作为适应度函数为进一步与遗传算法寻找最优条件。

最后,论文在这个特刊封面几个新兴的话题可伸缩的数据挖掘技术和应用生物医学或生物信息学。我们强烈希望这个特殊问题可以吸引注意力集中在相关的领域。

确认

我们要感谢那些评论家的努力保证高质量的这个特殊的问题。同时,我们感谢所有作者造成了这个特殊的问题。这项工作是由中国自然科学基金会(没有。61370010)。

关丽珍邹
Dariusz Mrozek
秦马
云冈徐

可伸缩的数据挖掘算法在计算生物学和生物医学

确认

版权

更多相关文章

相关文章