[研究目的]科学数据共享是推动科技创新的关键,对科学数据共享研究领域的文献产出情况、研究热点、知识基础以及演化历程进行探究和总结,为促进国内相关理论研究与实践发展提供参考。[研究方法]运用科学知识图谱法,对2001-2020年期间Web...[研究目的]科学数据共享是推动科技创新的关键,对科学数据共享研究领域的文献产出情况、研究热点、知识基础以及演化历程进行探究和总结,为促进国内相关理论研究与实践发展提供参考。[研究方法]运用科学知识图谱法,对2001-2020年期间Web of Science核心数据库所收录的科学数据共享研究相关文献进行合作网络、关键词共现和文献共被引分析。[研究结论]研究发现,研究热点由早期科学数据共享技术、共享模式和科学数据共享平台研究扩展到当前数据共享政策、数据共享基础设施、长尾科学数据共享等问题研究。此外,科学数据共享研究领域早期主要受制度理论和计划行为理论的影响,现阶段主要受虚拟组织理论、数据生命周期理论和长尾理论的影响。展开更多
蛋白质的三维结构是研究其生物功能及活性机理的基础.为了提高蛋白质结构的预测精度,在进化计算的框架下,提出一种接触图辅助的过程重采样蛋白质构象空间优化算法(Contact Map-assistedProcess Resampling Protein Conformation Space O...蛋白质的三维结构是研究其生物功能及活性机理的基础.为了提高蛋白质结构的预测精度,在进化计算的框架下,提出一种接触图辅助的过程重采样蛋白质构象空间优化算法(Contact Map-assistedProcess Resampling Protein Conformation Space Optimization Algorithm,CM PR). CM PR算法基于残基接触图设计打分模型,用于选择构象以构建过程片段库,使用基于过程重采样策略的片段组装技术执行变异操作,残基接触先验知识和种群进化过程统计知识辅助采样,可以增强近天然态构象区域的搜索能力,提高蛋白质结构预测精度.在12个测试蛋白上的实验结果表明,所提方法具有良好的近天然态构象采样能力和较高的预测精度.展开更多
文摘[研究目的]科学数据共享是推动科技创新的关键,对科学数据共享研究领域的文献产出情况、研究热点、知识基础以及演化历程进行探究和总结,为促进国内相关理论研究与实践发展提供参考。[研究方法]运用科学知识图谱法,对2001-2020年期间Web of Science核心数据库所收录的科学数据共享研究相关文献进行合作网络、关键词共现和文献共被引分析。[研究结论]研究发现,研究热点由早期科学数据共享技术、共享模式和科学数据共享平台研究扩展到当前数据共享政策、数据共享基础设施、长尾科学数据共享等问题研究。此外,科学数据共享研究领域早期主要受制度理论和计划行为理论的影响,现阶段主要受虚拟组织理论、数据生命周期理论和长尾理论的影响。
文摘蛋白质的三维结构是研究其生物功能及活性机理的基础.为了提高蛋白质结构的预测精度,在进化计算的框架下,提出一种接触图辅助的过程重采样蛋白质构象空间优化算法(Contact Map-assistedProcess Resampling Protein Conformation Space Optimization Algorithm,CM PR). CM PR算法基于残基接触图设计打分模型,用于选择构象以构建过程片段库,使用基于过程重采样策略的片段组装技术执行变异操作,残基接触先验知识和种群进化过程统计知识辅助采样,可以增强近天然态构象区域的搜索能力,提高蛋白质结构预测精度.在12个测试蛋白上的实验结果表明,所提方法具有良好的近天然态构象采样能力和较高的预测精度.
文摘为平衡多目标演化算法求解不同优化问题以及求解同一优化问题时不同搜索阶段的勘探与开采能力,并考虑到减小聚类算法辅助演化算法时产生的计算开销,提出了一种基于自适应交配限制概率的自组织多目标演化算法(adaptive mating restriction probability based self-organizing multiobjective evolutionary algorithm,ASMEA).首先,ASMEA在每一代利用自组织映射(self-organizing map,SOM)算法建立了演化种群个体间的邻居关系,基于此关系有利于算子实施恰当的重组操作,并在演化算法后期产生优质解,与此同时,为了节省利用SOM建立当前种群个体之间的邻居关系时引起的计算开销,将SOM与演化算法相融合,交替地进行SOM训练与种群演化.然后,运用交配限制概率控制交配父代来源于SOM发现的邻居种群或者是整个种群,以分别加强开采和勘探.最后,根据采用不同父代来源的重组在过去一定代数产生后代个体的效用,自适应地调整算法的交配限制概率.利用ASMEA和5种具有代表性的多目标演化算法对标准测试题进行求解,求解结果表明:ASMEA在搜索质量、搜索效率以及可视化方面优于其他5种算法,从而验证了ASMEA算法对多目标优化问题具有良好的求解性能.
