摘要：可计算模型能够有效替代生物实验进行长链非编码RNA(lncRNA)-疾病的关联预测,但由于存在已知数据稀疏性问题,导致现有模型的预测精度不高。针对这一局限性,提出基于图注意力网络与归纳式矩阵补全技术的双融合机制lncRNA-疾病关联预测模型(DFMP-LDA)。引入n头注意力机制,设计带有双重聚合器的图注意力网络,增强lncRNA节点与疾病节点的特征,避免数据稀疏性导致模型预测精度不高的问题。在此基础上,针对传统图注意力网络不能直接应用于潜在lncRNA-疾病对关联预测的问题,引入归纳式矩阵补全技术,应用增强后的节点特征重建lncRNA-疾病关联网络,进一步提高模型的预测精度。5折交叉验证结果表明,DFMP-LDA预测lncRNA-疾病关联的AUC值为0.9322,AUPR值为0.7705,在时间成本上分别较DMF-LDA、SDLDA、TPGLDA模型节省33.89%、32.17%、16.12%,预测性能较优。

摘要：针对现有长链非编码RNA(lncRNA)-疾病关联预测模型在综合利用异构生物网络的交互、语义信息上存在局限性的问题,提出一种基于语义与全局双重注意力机制的lncRNA-疾病关联预测模型(SGALDA)。首先,基于相似性和已知关联构建一个lncRNA-疾病-微小RNA(miRNA)异构网络,并基于消息传递类型设计特征提取模块来提取和融合异构网络上同质、异质节点的邻域特征,以捕捉异构网络上的多层面交互关系。其次,基于元路径将异构网络分解为多个语义子网络,并分别在各个子网络上应用图卷积网络(GCN)来提取节点的语义特征,以捕捉异构网络上的高阶交互关系。然后,基于语义与全局双重注意力机制融合节点的语义和邻域特征,以获得更具代表性的节点特征。最后,利用lncRNA节点特征和疾病节点特征的内积运算重建lncRNA-疾病关联。5折交叉验证结果显示,SGALDA的受试者工作特征曲线下面积(AUROC)为0.9945±0.0002,PR曲线下面积(AUPR)为0.9167±0.0011,在所有对比模型中均为最高,验证了SGALDA良好的预测性能。对乳腺癌、胃癌的案例研究进一步证实了SGALDA识别潜在lncRNA-疾病关联的能力,说明SGALDA有潜力成为一种可靠的lncRNA-疾病关联预测模型。

摘要：药物在体内的动态分布和机体对药物的反应常常受机体生物节律的影响，即机体生物节律性在药动学和药效学等方面表现出明显的差别，这在心血管系统药物显得尤为重要。许多疾病的发生是由于正常生理节律发生了异常节律，掌握人体疾病的节律变化并根据疾病的发病时间规律，结合药物的药动学、药效学等变化规律，设计出不同的给药时间和剂量方案，选择适合的剂型，进行时辰给药治疗，将减少药物的毒副作用，达到最佳疗效。

摘要：为了得到适合研究瓜蒌农家品种的ISSR-PCR反应条件,本研究采用单因素实验和正交实验,对瓜蒌ISSR反应体系进行了优化,确立了适合瓜蒌的ISSR反应体系:20μL反应体系,含0.5μmol/L引物、2×Master Mix(Taq DNA Polymerase)10μL、35 ng模板DNA。通过性状差异较大样品的单因素试验,确定了能够适合尽量多样品的ISSR最佳反应程序为:94℃预变性5 min;94℃变性30 s,退火1 min,72℃延伸45 s,35个循环;72℃延伸7min,4℃保存。不同的引物所需要的退火温度不尽一致。