王海鹏
- 作品数：10 被引量：36H指数：3
- 供职机构：山东理工大学计算机科学与技术学院更多>>
- 发文基金：山东省自然科学基金国家自然科学基金山东省高等学校科技计划项目更多>>
- 相关领域：自动化与计算机技术文化科学生物学更多>>
- 基于图卷积神经网络的串联质谱从头测序被引量：2
- 2021年
- 在蛋白质组学中从头测序是串联质谱肽段测序的重要方法之一,其具有不依赖于蛋白质数据库的优势,并在测定未知物种蛋白序列、单克隆抗体测序等领域中起着关键作用。然而由于从头测序的复杂性,导致其测序的准确率远低于数据库搜索方法,制约了从头测序的广泛应用。针对从头测序准确率低的问题,提出一种基于图卷积神经网络(GCN)的从头测序方法denovo-GCN。该方法将质谱中谱峰之间的关系用图结构表示,并从每个相应的肽碎裂位点提取谱峰特征,然后通过GCN预测当前碎裂位点处的氨基酸类型,最后逐步组成完整的肽序列。通过实验确定了GCN模型的层数、离子类型组合和测序使用的谱峰数量这3个影响模型的重要参数,并将多个物种数据集用于实验对比。实验结果表明,该方法在肽水平上的召回率比基于图论的从头测序方法Novor、pNovo提高了4.0~21.1个百分点,比基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的DeepNovo提高了2.1~10.7个百分点。
- 牟长宁王海鹏周丕宇侯鑫行
- 关键词：从头测序蛋白质组学串联质谱
- 一种基于结构相似性的图聚类算法
- 2016年
- 图聚类是发现网络中潜在结构的一项重要任务。提出一种基于结构相似性的图聚类算法GNSCAN,给出该算法的相关定义以及算法的执行过程。采用真实数据集对该算法进行测试,从理论分析及结果 2方面证明GNSCAN算法在效率上比GN算法得到明显的提高。在GNSCAN算法的基础上,提出一种改进的GNSCAN算法IGNSCAN,算法时间复杂度得到进一步降低。
- 金超张龙波王海鹏安建瑞怀浩王晓丹
- 关键词：社会网络
- 一种基于MapReduce的压缩矩阵关联规则挖掘算法被引量：5
- 2016年
- 提出一种基于MapReduce的压缩矩阵关联规则挖掘算法FMA_Mining。该算法将数据库映射为布尔矩阵,在矩阵映射过程中引入Flag标识,对于连续出现的项用Flag标识标明,简化矩阵元素的读取和列向量运算。针对大数据应用中事务和项目规模较大的情况,算法引入了矩阵分割和并行化处理思想。在Hadoop平台采用Web Docs数据集对算法性能进行测试,从理论分析和实验结果两方面证明了FMA_Mining算法的有效性。
- 安建瑞王海鹏张龙波金超怀浩
- 关键词：压缩矩阵关联规则MAPREDUCEHADOOP
- 程序设计能力培养体系建设与实践被引量：8
- 2019年
- 分析地方应用型高校以提高程序设计能力和培养计算思维为目标的课程体系,提出一种以竞赛促进教学、以教学带动竞赛的竞教相长为特色的程序设计能力培养模式,阐述通过自主开发的程序在线测评系统支撑多门专业基础课的实践教学和考试改革,说明培养效果.
- 张先伟曲志坚张立红马新娟王海鹏刘晓红
- 关键词：教学改革程序设计
- 基于注意力机制的CRNN文本分类算法被引量：18
- 2019年
- 为增强文本特征的表达能力,提出一种基于注意力机制(Attention)的卷积循环神经网络(CRNN)的文本分类算法。把预训练好的词向量作为输入,使用卷积神经网络(CNN)提取文本向量的特征;利用双向门控循环单元(BiGRU)捕获文本中的词序信息,提取文本的上下文依赖关系并结合Attention机制识别不同特征的重要性;使用Highway网络进行特征优化。将该模型在20Newsgroups、SST-1和SST-2这3个英文语料上进行实验,实验结果表明,该模型有效提高了分类任务的准确率。
- 陈榕任崇广王智远曲志坚王海鹏
- 关键词：文本分类卷积神经网络
- ACM学科竞赛开展与学生创新能力培养实践
- 2017年
- 本文从组织学生参加ACM竞赛训练出发,设计和建立训练题库和训练平台,为学科竞赛与学生创新能力培养提供有益的经验。
- 刘晓红张先伟曲志坚王海鹏张立红马新娟
- 关键词：ACM学科竞赛在线评测
- 基于WEB的供应管理系统的实现技术被引量：1
- 2010年
- 本文以某粮食加工行业xx公司为研究对象,基于J2EE平台开发了企业供应管理系统(XX_ERP),对设计开发基于WEB供应管理系统的若干问题作了研究,提出了具体的设计方案,对实现技术和应用情况作了介绍。
- 王海鹏
- 关键词：WEBMVC
- 基于数据非依赖采集的蛋白质组质谱数据解析方法研究进展
- 2022年
- 数据非依赖采集(DIA)是蛋白质组学领域近年来快速发展的质谱采集技术,其通过无偏碎裂隔离窗口内的所有母离子采集二级谱图,理论上可实现蛋白质样品的深度覆盖,同时具有高通量、高重现性和高灵敏度的优点。现有的DIA数据采集方法可以分为全窗口碎裂方法、隔离窗口序列碎裂方法和四维DIA数据采集方法(4D-DIA)3大类。针对DIA数据的不同特点,主要数据解析方法包括谱库搜索方法、蛋白质序列库直接搜索方法、伪二级谱图鉴定方法和从头测序方法4大类。解析得到的肽段鉴定结果需要进行可信度评估,包括使用机器学习方法的重排序和对报告结果集合的假发现率估计两个步骤,实现对数据解析结果的质控。本文对DIA数据的采集方法、数据解析方法及软件和鉴定结果可信度评估方法进行了整理和综述,并展望了未来的发展方向。
- 侯鑫行周丕宇宫鹏云付嘉乐刘超王海鹏
- 关键词：蛋白质组学质谱
- 基于多头注意力机制和残差神经网络的肽谱匹配打分算法被引量：1
- 2020年
- 肽谱匹配打分算法在肽序列鉴定的过程中起着关键性作用,而传统的打分算法无法充分有效地利用肽碎裂规律进行打分。针对这一问题提出了一种结合肽序列信息表征的多分类概率和式打分算法deepScore-α,该算法不需要考虑全局信息进行二次打分,不存在理论质谱与实验质谱相似度计算方法的限制。deepScore-α使用一维残差网络对序列底层信息进行抽取,再通过多头注意力机制融合序列不同肽键位点对当前肽键位点断裂产生的影响从而生成最终的碎片离子相对强度分布概率矩阵,结合肽序列碎片离子的实际相对强度计算出最终的肽谱匹配得分。该算法与常用开源鉴定工具Comet以及MSGF+进行了比较:在人类蛋白组数据集上错误发现率(FDR)为0.01时,deepScore-α保留的肽序列数量提升了约14%,Top1命中率(正确肽序列在得分最高的谱图所占比例)最大提升约5个百分点。使用人类蛋白组数据集训练的模型在ProteomeTools2数据集上进行泛化性能测试,结果表明,在FDR为0.01的条件下deepScore-α保留的肽序列数量提升了约7%,Top1命中率提升了约5个百分点,Top1中来自Decoy库的鉴定结果减少约60%。实验结果证明,deepScore-α在较低FDR值情况下保留更多的肽序列并提升Top1的命中率,且具有较好的泛化性能。
- 闵鑫王海鹏牟长宁
