信号传导途径使细胞能够对复杂的外界环境刺激及时做出反应,从而针对不同病原菌感染产生生物学效应。丝裂原激活蛋白激酶(mitogen-activated protein kinase,MAPK)及其下游靶标作为将环境输入转化为大量细胞程序的最重要信号模块之一,...
详细信息
信号传导途径使细胞能够对复杂的外界环境刺激及时做出反应,从而针对不同病原菌感染产生生物学效应。丝裂原激活蛋白激酶(mitogen-activated protein kinase,MAPK)及其下游靶标作为将环境输入转化为大量细胞程序的最重要信号模块之一,在哺乳动物细胞中最为常见,几乎参与绝大多数细胞的生理和病理反应。MAPK响应各种环境压力刺激,包括细菌感染和炎症,以此调节宿主的免疫反应。近期研究表明,病原菌在感染期间会释放特定效应物或毒素来劫持MAPK通路,劫持方式分为两种,一种是通过降解关键蛋白影响信号传导,更主要的一种是影响宿主细胞翻译后修饰,如磷酸化、泛素化等来调节诸多细胞进程。本文讨论了MAPK在先天免疫中的调节激活过程,并研究病原细菌如何进化出复杂机制来操纵MAPK激活以增强自身感染,以及作为新型抗病原感染和肿瘤免疫治疗靶点的潜在作用。
科技领域的衍生行业因普遍存在强时间约束的特性而累积了海量的高维时间序列数据,严峻的数据压力导致传统的数据建模预测方法受制于数据规模和属性维度。支撑高质量的服务对大数据智能预测技术提出了更高的要求,如何在数据层面上实现预测性能的提升是现阶段亟待解决的主要问题。针对上述问题,提出了针对多元时序数据的特征再抽象(Feature Re-Abstraction,FRA)算法,首先通过RobustSTL分解算法提取趋势性和季节性特征(Trend and Seasonality Features,TSFs),实现多元数据的特征二阶抽象,以“抽象即特征”替代传统“标签即特征”的提取策略,再通过Pearson相关系数的运算结果评估再抽象技术捕捉的TSFs与目标参数间的相关强度,证实TSF的数据价值。在FRA算法的基础上结合深度学习模型构建基于数据驱动的多元时序预测算法,通过预测效果验证FRA算法的有效性。实验结果表明,引入TSFs作为数据驱动模型的训练向量能够兼具数据降维、降噪及强相关特性地维持,从而避免模型过拟合并缓解模型欠拟合,提高时序预测算法的准确性和鲁棒性。
暂无评论