生物和医学的机器学习和网络方法

---

近年来，人们提出了许多计算方法来解决生物和医学中各种大规模高维数据分析中出现的问题。利用传统的统计建模和分析已经发展了有用的技术，并有助于揭示许多生物学机制。然而，随着高通量技术的快速发展，如今产生的生物和医学数据变得越来越异构和复杂。因此，有必要开发更有效和高效的方法来分析这些数据，这需要更强大的方法，如先进的机器学习算法和基于网络的方法。

在这个特刊中，提出了18个新的研究，包括一些最新的数据分析技术和有趣的生物学和医学问题的应用系统。

B. Wang等人提出了一种计算方法来识别与凋亡相关的新候选基因。该方法首先在一个大的蛋白质相互作用网络中应用最短路径算法搜索新的候选基因，然后对候选基因进行置换检验。我们获得了26个基因，并分析了它们是新凋亡相关基因的可能性。

F. Yuan等根据化学-化学相互作用信息、化学-蛋白质相互作用信息构建混合网络，在现有已知的与前列腺癌相关的基因和化学物质的基础上，采用最短路径方法，提出了一种计算方法来识别新的候选基因和化学物质。和蛋白质的相互作用。

B. Sun等人设计了一个分析管道来研究八种类型的破坏性蛋白翻译后修饰(PTM)与一些人类遗传疾病和癌症之间的关系。结果表明，一些人类遗传疾病或癌症可能与破坏性PTMs的相互作用有关。

詹等人发现了一种预测肾透明细胞癌(KIRC)患者预后的5个基因特征。对523例KIRC患者的RNA测序数据及临床资料进行分析。5个基因标记的AUC (ROC曲线下面积)为0.783，具有较高的敏感性和特异性。

Z. Ji等开发了一种基于非负矩阵因子分解(non - negative Matrix Factorization, NMF)的特征选择方法(NMFBFS)，以确定HCC患者分层的潜在临床症状。407例HCC患者57个症状的结果表明，NMFBFS方法在识别重要的临床特征方面是有效的，这将对HCC的诊断非常有帮助。

C. Zhang等人提出了用于低剂量CT重建的自适应加权正则化ADSIR。并进行了三次数值实验进行了评价，并与其他算法进行了比较。

J. I. Galván-Tejada等人提出了基于x线的多因素预后模型预测慢性膝关节疼痛发病的可能性。使用x射线定量图像评估，多变量模型可用于预测受试者因骨关节炎发展为膝关节疼痛的风险。

Y. Cui等人开发了一种名为ROC-Boosting的方法，用于从舌图像中选择重要的haar类特征进行健康识别。他们分析了1322例舌头的图像，并选择了舌头根部、顶部和侧面的特征，这些特征可以区分健康和疾病的情况。

S. Wang等人提出了一种新的自动识别神经元图像中树突棘的方法。该方法结合了基于小波的条件对称分析和正则化形态学共享权神经网络。其良好的性能和与现有方法的比较表明了该方法的实用性。

S. Yang等人提出结合edgeR和DESeq分析大样本的miRNA测序数据。

R. Hu等人为IaaS中的生物信息学应用提出了一种自动化资源配置方法G2LC。它保证了应用程序的性能并提高了资源利用率。以BLAST的真实序列搜索数据进行评价，G2LC节省了20.14%的资源。

R. Hu和C. Li提出了一种基于胰岛素车载估计的改进PID算法，该算法结合了血液系统中血糖-胰岛素调节动力学的数学模型。仿真结果表明，改进的PID算法在不同碳水化合物摄入和不同胰岛素敏感性情况下都能取得良好的效果。与传统PID算法相比，控制性能有明显提高，可以避免低血糖的发生。

J. G. Rodriguez-Escobedo等人描述了使用“先验”算法来解决与血液系统恶性肿瘤相关的KIR基因模式，这是以前通过传统统计方法无法揭示的。

Z. Jiang等人基于化学品本体信息建立了一种新的化学毒性预测方法。该方法比以往的方法更有效，为化学毒性和其他化学性质的研究提供了新的思路。

L. Yuan等人探索了细胞多能性中mirna和印迹基因之间的隐藏关系。他们发现，分子网络中印迹基因的邻居在诸如癌症、细胞死亡和存活以及肿瘤形态等模块中富集。印迹区域可能为那些对hiPSCs和hESCs的多能性感兴趣的人提供了一个新的视角。

T. Liu等人结合大规模组学研究的发展回顾了进化发育生物学领域的最新发现和进展。

J. a . Vanegas等人提出了一项关于提取生物分子事件的最先进的文本挖掘方法的调查，这有助于理解潜在的生物机制。针对这一任务，从特征提取、触发/边缘检测到后处理，分析了当前流行的自然语言处理和机器学习方法和工具。

Zeng等人综述了生物信息学中的自然语言处理技术。首先，他们利用文本挖掘方法搜索生物学知识，检索文献，重建数据库。然后，他们分析了文本挖掘和自然语言处理技术在生物信息学中的应用。最后，讨论了文本挖掘和自然语言处理研究人员未来使用的许多方法和应用。

总而言之，这期特刊收集了许多创新研究，解决了生物学和医学数据分析中的各种挑战问题。我们希望这一出版物将成为相关文献国际化发展的里程碑，也将有助于鼓励更多的研究人员和实践者参与到这个日益重要的领域。

Lei陈
道黄
川路
林路
《李

版权

版权所有©2015陈磊等。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。