论文部分内容阅读
近年来,人工智能普及和发展的速度就像飞驰的列车,越来越多研究生物大分子关系的科研人员也乘上了这趟列车。因为相对传统生物医学实验而言,这可以极大地节省研究成本和精力。最近发现,非编码RNA在发育、代谢、疾病等生命活动中发挥着至关重要的作用。非编码RNA是指不编码蛋白质的RNA,长度各不相同,从几十个到几百个核苷酸不等。长非编码RNA与微小RNA都属于非编码RNA,并且长非编码RNA可以调控微小RNA,从而能够对疾病产生一定的影响。因此,运用推荐算法研究长非编码RNA与微小RNA的关联技术成为了当前的研究热点。在本实验中,采用了变换式组合推荐算法。该算法首先使用高斯算法和翁施算法计算非编码RNA相似性,并且通过变换系数α把K近邻矩阵分解,置信度算法和余弦相似度算法组合,根据变换系数α的变化而采用不同的算法。然后,将组合推荐算法应用在了生物信息学领域,推荐TOP长非编码RNA与微小RNA关联。在五折交叉验证实验中,三个模型在所属变换系数区间内分别取得了0.8217,0.8810和0.9814的AUC值。进一步地又分别基于不同非编码RNA类型测试集去测试变换式组合推荐算法的适用性,并且对三个实验作案例分析去验证变换式组合推荐算法的有效性。综上结果表明,变换式组合推荐算法相对于单个推荐会降低推荐计算效率,但是在准确性上优于其它单个推荐算法的,显示了变换式组合推荐算法良好的适用性和推荐性能。本系统围绕功能性和非功能性两个方面需求,将非编码RNA关联推荐系统分为注册登录模块、数据准备模块、算法推荐模块、案例分析模块、案例推荐模块和系统管理模块。为了使得前端页面简洁美观,本系统使用了Bootstrap和Sweetalert框架,并且运用Python和PHP语言搭建后台。经过全面测试后将整个系统部署到阿里云站点上,保证了系统长期稳定的运行。