• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于特征加權(quán)的蛋白質(zhì)交互識別

    2016-02-23 09:07:52吳紅梅
    計算機技術(shù)與發(fā)展 2016年2期
    關(guān)鍵詞:簽名檔蛋白質(zhì)單詞

    吳紅梅,牛 耘

    (南京航空航天大學(xué) 計算機科學(xué)與技術(shù)學(xué)院,江蘇 南京 210016)

    基于特征加權(quán)的蛋白質(zhì)交互識別

    吳紅梅,牛 耘

    (南京航空航天大學(xué) 計算機科學(xué)與技術(shù)學(xué)院,江蘇 南京 210016)

    在以單詞為特征的模型中,如果特征單詞在不同類別中的使用情況存在明顯差異,那么它對分類有著很重要的影響。因此文中基于大規(guī)模語料庫,研究不同的特征加權(quán)方法對PPI識別的影響。首先,通過搜索醫(yī)學(xué)文獻數(shù)據(jù)庫建立蛋白質(zhì)對的簽名檔,以單詞作為描述蛋白質(zhì)對關(guān)系的特征,構(gòu)建向量空間模型;然后,選擇不同的加權(quán)方法描述單詞重要性;最后,以K近鄰和SVM分類方法構(gòu)建分類器判斷蛋白質(zhì)對是否存在交互關(guān)系。實驗結(jié)果表明,根據(jù)特征向量單詞的重要性進行加權(quán),PPI識別精確度、召回率和準(zhǔn)確率有了明顯的提高。

    蛋白質(zhì)交互;大規(guī)模語料;特征加權(quán);K近鄰;支持向量機

    0 引 言

    蛋白質(zhì)是組成細胞最重要的成分,是生命的物質(zhì)基礎(chǔ),是生命活動的主要承擔(dān)者。蛋白質(zhì)交互(Protein-ProteinInteraction,PPI)是生物學(xué)研究的重要內(nèi)容,也是解決大量醫(yī)學(xué)難題的關(guān)鍵信息。因此,為了構(gòu)建蛋白質(zhì)交互網(wǎng)絡(luò),生物醫(yī)學(xué)領(lǐng)域的專家從醫(yī)學(xué)文獻中手工整理信息以統(tǒng)一的格式錄入數(shù)據(jù)庫,構(gòu)建了HPRD[1]、IntAct[2]、MINT[3]等數(shù)據(jù)庫。

    然而,隨著生物醫(yī)學(xué)的發(fā)展,越來越多的蛋白質(zhì)交互關(guān)系被發(fā)現(xiàn),記載這些蛋白質(zhì)交互信息的醫(yī)學(xué)文獻也隨之急劇增多,手工收集PPI信息的方式也難以滿足需求。為了幫助生物醫(yī)學(xué)領(lǐng)域的專家從文獻中獲取有效的信息,基于自然語言處理的蛋白質(zhì)交互識別已成為一項重要的研究內(nèi)容。

    1 相關(guān)工作

    目前,常用于從醫(yī)學(xué)文獻中識別PPI信息的技術(shù)主要包括:基于同現(xiàn)的方法[4]、基于規(guī)則的方法[5]和基于機器學(xué)習(xí)的方法[6-7]?;谕F(xiàn)的方法通過統(tǒng)計兩個蛋白質(zhì)的共現(xiàn)次數(shù)來判斷蛋白質(zhì)對之間的關(guān)系,這種方法只能抽取頻繁出現(xiàn)的模式,識別結(jié)果召回率較高而精確度較低[8]?;谝?guī)則的方法通過建立一些模式規(guī)則來匹配可能出現(xiàn)的PPI關(guān)系,雖然提高了精確度但召回率較低。然而,由于PPI關(guān)系模式的多樣性,預(yù)定義的規(guī)則不可能包含所有的PPI關(guān)系模式,并且手工建立規(guī)則需要巨大的開銷[9]。例如,F(xiàn)undel等[10]提出的規(guī)則是基于句子句法規(guī)則結(jié)構(gòu)中的依賴關(guān)系。Temkin等[11]利用帶語法產(chǎn)生規(guī)則的句子分析器來識別PPI。這些系統(tǒng)著眼于分析整個句子的句法特點,充分揭示句中成分之間的關(guān)系,能夠獲得更高的準(zhǔn)確率,但需要更高的計算能力和時間復(fù)雜度。

    近年來,越來越多的PPI識別技術(shù)采用基于機器學(xué)習(xí)的方法,主要包括兩大類:基于特征的方法和基于核函數(shù)的方法?;谔卣鞯姆椒ㄖ饕菑臉?biāo)注有交互關(guān)系的蛋白質(zhì)對的句子中抽取重要特征,例如詞匯、語法和語義特征建立模型,進而判斷蛋白質(zhì)對之間是否存在交互關(guān)系[12-13]?;诤撕瘮?shù)的方法通過對句子結(jié)構(gòu)的深入分析來構(gòu)建核函數(shù)。HausslerD[14]提出了針對離散結(jié)構(gòu)的卷積核;LodhiH等[15]將特征空間特定長度詞語子序列的內(nèi)積作為核函數(shù)的計算方式,提出了字符串核;BunescuRC等[16]提出了最短依賴路徑核,將句子以樹的形式表示,用兩個實體之間的最短路徑表示實體之間的關(guān)系。

    然而,目前的機器學(xué)習(xí)方法主要以單個句子為依據(jù),從句子的句法、語法以及依賴關(guān)系等方面進行研究。這些方法能很好地從句子層面對蛋白質(zhì)交互關(guān)系進行描述及判斷,但是這種以句子為依據(jù)的判斷方法也存在著局限性。由于語法的復(fù)雜性和交互關(guān)系描述的間接性,僅僅依賴單個句子中的信息進行交互關(guān)系分析,往往難以得到準(zhǔn)確的判斷。

    因此針對以上問題,文獻[17-18]提出了基于大規(guī)模語料庫的PPI自動識別方法,將PPI自動識別問題轉(zhuǎn)化為文本分類問題,能夠更充分利用文本的上下文信息挖掘更多蛋白質(zhì)對交互識別的影響因素。然而,這個工作對所選擇特征單詞的重要性研究不足,因此文中研究不同的特征單詞重要性計算方法,通過向量加權(quán)方法研究特征單詞加權(quán)對蛋白質(zhì)對識別的影響。實驗結(jié)果表明,根據(jù)特征單詞進行加權(quán)后明顯提高了PPI識別精確度、召回率和準(zhǔn)確率。

    2 基于特征加權(quán)的PPI識別

    有交互關(guān)系的描述常用到一些單詞,而這些單詞在無交互關(guān)系的蛋白質(zhì)對的關(guān)系描述中卻很少出現(xiàn),例如,interact、bind。因此,加強這部分單詞的作用有助于PPI識別。文中以特征加權(quán)的方法,著重研究特征單詞權(quán)重對PPI識別的影響,具體步驟如下:

    首先,從醫(yī)學(xué)文獻中收集包含目標(biāo)蛋白質(zhì)對的句子,以對應(yīng)的句子集合作為該目標(biāo)蛋白質(zhì)對的簽名檔;然后,從簽名檔中提取特征,采取一定策略評估特征重要性,對特征加權(quán),構(gòu)建向量空間模型;最后,采用KNN和SVM這兩種分類算法對蛋白質(zhì)對進行分類,判斷蛋白質(zhì)對是否存在交互關(guān)系。

    2.1 獲取簽名檔

    生物醫(yī)學(xué)文本數(shù)據(jù)庫PubMed[19]是建立蛋白質(zhì)交互網(wǎng)絡(luò)的重要信息來源。現(xiàn)有的PPI識別工作都是建立在對PubMed一個子集上的分析。PubMed數(shù)據(jù)庫由美國國立醫(yī)學(xué)圖書館建立,收錄了全球70多個國家及地區(qū)出版的3 400余種生物醫(yī)學(xué)期刊上所發(fā)表的論文,已收錄超過2 100萬篇生物醫(yī)學(xué)文獻,提供生物醫(yī)學(xué)方面論文以及摘要的搜索。但是,PubMed數(shù)據(jù)庫未提供直接搜索句子的接口,所以文中分以下兩步來獲取包含目標(biāo)蛋白質(zhì)對的句子:

    (1)在PubMed數(shù)據(jù)庫中獲取同時含有目標(biāo)蛋白質(zhì)protein1和protein2的文獻摘要;

    (2)在第一步得到的文獻摘要中找出同時包含protein1和protein2的句子。

    因此,每個蛋白質(zhì)對都會有一個句子集合與之對應(yīng),形成蛋白質(zhì)對的簽名檔。在建好簽名檔之后,就可以利用上下文信息分析蛋白質(zhì)對是否存在交互關(guān)系。

    2.2 向量空間模型—特征提取

    從簽名檔中提取特征,采取一定策略評估特征的重要性,對特征進行加權(quán)處理。文獻[17]中選擇了單詞、短語結(jié)構(gòu)特征和依賴關(guān)系作為特征,實驗結(jié)果表明只以單詞為特征的識別結(jié)果較好。

    因此,文中將簽名檔中所有的句子去除停止詞、單字符單詞和數(shù)字,選擇至少在25篇簽名檔中出現(xiàn)的單詞作為特征。最終得到了4 867個特征,用這些特征單詞標(biāo)注蛋白質(zhì),構(gòu)建向量空間模型。

    2.3 向量空間模型—特征加權(quán)

    在蛋白質(zhì)對簽名檔中,常用于描述有交互關(guān)系的單詞較少用于描述無交互關(guān)系。因此,通過特征加權(quán)的方法,著重研究這部分單詞的重要性。選擇了信息檢索(Information Retrieval)和情感分析(Sentiment Analysis)中的權(quán)重計算方法,并設(shè)計了新的加權(quán)方法,研究特征加權(quán)對PPI識別的影響,具體見表1。

    表1 權(quán)重公式

    注:N表示蛋白質(zhì)對總數(shù);N+表示有交互關(guān)系蛋白質(zhì)對數(shù);N-表示無交互關(guān)系蛋白質(zhì)對數(shù);a表示出現(xiàn)特征i的有交互關(guān)系蛋白質(zhì)對的簽名檔數(shù);c表示出現(xiàn)特征i的無交互關(guān)系蛋白質(zhì)對的簽名檔數(shù)。

    表1中,tp(termpresence)表示二值權(quán)重(0/1),即特征單詞出現(xiàn)權(quán)值為1,不出現(xiàn)權(quán)值為0。實驗中,以tp權(quán)重公式的實驗結(jié)果為基準(zhǔn)。idf(inversedocumentfrequency)是信息檢索中較為常見的權(quán)重公式,是一個詞語普遍重要性的度量。dsidf和dbidf是PaltoglouG[21]等對idf的一種改進。

    在這兩個公式中,當(dāng)有交互蛋白質(zhì)對和無交互蛋白質(zhì)對的簽名檔的數(shù)量相近時,而含有某個特征單詞的有交互蛋白質(zhì)對的簽名檔數(shù)多于無交互蛋白質(zhì)對簽名檔數(shù),那么這個特征單詞的權(quán)重較大。這兩種權(quán)值計算公式比較適合特征單詞在不同類別文檔中分布差異很大的語料集上使用。

    在特征單詞分布分析過程中發(fā)現(xiàn),有交互蛋白質(zhì)對和無交互關(guān)系蛋白質(zhì)對的簽名檔數(shù)量相近。而對一些特征單詞而言,包含它的有交互關(guān)系蛋白質(zhì)對的簽名檔的數(shù)量是無交互關(guān)系簽名檔數(shù)量的數(shù)十倍。筆者認為這些單詞對于識別有交互蛋白質(zhì)很重要,因此,提出了power這一權(quán)重公式,著重研究特征單詞對有交互關(guān)系蛋白質(zhì)對的識別的影響。根據(jù)公式power,若含有某個特征單詞的有交互關(guān)系的蛋白質(zhì)對的簽名檔數(shù)較多,無交互關(guān)系的蛋白質(zhì)對的簽名檔數(shù)較少,則它的權(quán)重較大。

    2.4 分類算法

    文中采用KNN和SVM這兩種分類算法構(gòu)建分類器?;谙嗨菩缘腒NN分類器中,以余弦相似度作為衡量標(biāo)準(zhǔn)。

    2.4.1K近鄰分類

    (1)

    余弦值越大,蛋白質(zhì)對相似度就越高;反之,蛋白質(zhì)對相似度越低。

    得到蛋白質(zhì)對實例的相似性之后,基于相似性采用K近鄰分類(KNN)算法對蛋白質(zhì)對進行分類。查詢訓(xùn)練數(shù)據(jù)中與目標(biāo)蛋白質(zhì)對最相似的K個蛋白質(zhì)對實例。這K個實例中哪種類別的實例多,就將目標(biāo)蛋白質(zhì)對分為哪一類。在此算法中,若多個實例與目標(biāo)蛋白質(zhì)對的距離一樣,則這個實例類別取這些實例中占多數(shù)的類別。

    2.4.2SVM分類

    SVM已被大量實驗證實為一種非常有效的分類算法,是基于機器學(xué)習(xí)的蛋白質(zhì)交互關(guān)系識別所采用的重要分類模型。文中采用LIBSVM[22]建立蛋白質(zhì)交互識別的分類器。

    3 實 驗

    3.1 實驗數(shù)據(jù)及設(shè)置

    將有交互關(guān)系的蛋白質(zhì)對作為正類樣例,無交互關(guān)系的蛋白質(zhì)對作為負類樣例。正類蛋白質(zhì)對來源于由專家手工收集信息建立的PPI數(shù)據(jù)庫HPRD,從中抽取在PubMed數(shù)據(jù)庫中存在的蛋白質(zhì)對作為有交互關(guān)系的蛋白質(zhì)對訓(xùn)練集,共1 420對。而對于負類,文中根據(jù)HPRD中包含的蛋白質(zhì)采用隨機組合的方法產(chǎn)生負類蛋白質(zhì)對(刪除HPRD已包含的蛋白質(zhì)對),最后只保留那些被PubMed數(shù)據(jù)庫中文獻記載的蛋白質(zhì)對作為無交互蛋白質(zhì)對的訓(xùn)練集,共有1 353對。因此,實驗數(shù)據(jù)集中共包含2 773對蛋白質(zhì)對。

    SVM分類算法識別過程中,采用五折交叉驗證,將正類蛋白質(zhì)對和負類蛋白質(zhì)對平均分成五份,分別從正類和負類中取出一份組合作為測試集,其余四份組合作為訓(xùn)練集。KNN算法識別過程中,采用留一交叉驗證法(leave-one-out)進行測試,即將一個蛋白質(zhì)對作為測試樣例,其余2 772對作為訓(xùn)練樣例。在以KNN算法為分類算法的實驗中,tp在K值為7時取得了最好的結(jié)果。所以,在其余的權(quán)重公式識別過程中將K值設(shè)置為7,將它們的識別結(jié)果與tp的識別結(jié)果進行比較。

    3.2 實驗結(jié)果及分析

    分類結(jié)果見表2和表3。

    表2 KNN分類結(jié)果 %

    從表2可以發(fā)現(xiàn),以idf為權(quán)重公式的PPI識別結(jié)果與tp相比未有提升。以dbidf和dsidf這兩種方法為權(quán)重公式的PPI識別結(jié)果提升較明顯,正類、負類的F值和準(zhǔn)確率有近3%~5%的提升。筆者設(shè)計的權(quán)重公式取得了最高的正類的召回率,正類的召回率比tp提升了5.5%,正類F值也有一定的提升。采用dbidf、dsidf和power這三種加權(quán)方法的KNN分類算法,蛋白質(zhì)交互關(guān)系的識別結(jié)果都有了一定的提升。這說明,特征單詞在正類和負類蛋白質(zhì)對簽名檔有很大的差別,對蛋白質(zhì)對交互關(guān)系識別起到很大的幫助。

    表3 SVM分類結(jié)果 %

    從表3中發(fā)現(xiàn),idf、dbidf和dsidf這三種方法的識別結(jié)果較tp沒有明顯提升。而筆者設(shè)計的權(quán)重公式正類精確度達到了92.7%,比tp提高了18.9%。負類蛋白質(zhì)對的F值比tp提高了7%,并且總體分類準(zhǔn)確率較tp提高了3.3%。這說明,采用power為權(quán)重公式的分類器能有效識別有交互關(guān)系的蛋白質(zhì)對,被誤分的負類蛋白質(zhì)對較少。在需要準(zhǔn)確識別有交互蛋白質(zhì)對的系統(tǒng)中,提出的方法能夠起到很好的效果。

    在簽名檔集中,正類和負類蛋白質(zhì)對的簽名檔的數(shù)量相近,一些特征在正類蛋白質(zhì)對的簽名檔中較常出現(xiàn),在負類蛋白質(zhì)對的簽名檔中較少出現(xiàn)。這些特征單詞有助于識別有交互關(guān)系的蛋白質(zhì)對,因此,采用的dbidf、dsidf和power這三種公式賦予了這些單詞較大的權(quán)重,使正類蛋白質(zhì)對的特征向量能明顯區(qū)別于負類蛋白質(zhì)對的特征向量,提高蛋白質(zhì)對交互關(guān)系的識別。在正類和負類簽名檔中分布存在明顯差異的單詞對于蛋白質(zhì)對交互關(guān)系識別有著很大的作用,給這部分單詞賦予一個較大的權(quán)值,有助于識別有交互關(guān)系的蛋白質(zhì)對。

    4 結(jié)束語

    區(qū)別于其他基于單句的機器學(xué)習(xí)方法,文中直接以蛋白質(zhì)對為研究對象,根據(jù)現(xiàn)有的PPI數(shù)據(jù)庫構(gòu)建大規(guī)模語料庫為依據(jù)提取特征,用特征向量表示蛋白質(zhì)對的關(guān)系。根據(jù)特征單詞在正類和負類蛋白質(zhì)對簽名檔中分布的差異,采用不同的權(quán)值計算公式研究特征詞語的重要性。最后,采用K近鄰和SVM分類算法構(gòu)建分類器,通過文本分類的方法識別目標(biāo)兩個蛋白質(zhì)對之間是否存在依賴關(guān)系。

    大量的蛋白質(zhì)對交互關(guān)系信息隱藏在文獻中,而基于大規(guī)模語料庫的PPI識別能充分利用已有的PPI數(shù)據(jù),無需進行額外的人工標(biāo)注,識別結(jié)果可直接用于PPI網(wǎng)絡(luò)的構(gòu)建。文中著重研究特征詞語的重要性,從實驗結(jié)果可以發(fā)現(xiàn),根據(jù)特征單詞在不同類別文檔中出現(xiàn)的差異,對特征向量根據(jù)特征詞語重要性進行加權(quán)后,PPI的識別結(jié)果有了明顯提升。

    [1]PrasadTSK,GoelR,KandasamyK,etal.Humanproteinreferencedatabase-2009update[J].NucleicAcidsResearch,2009,37:767-772.

    [2]KerrienS,Alam-FaruqueY,ArandaB,etal.IntAct-opensourceresourceformolecularinteractiondata[J].NucleicAcidsResearch,2007,35:561-565.

    [3]CeolA,AryamontriAC,LicataL,etal.MINT,themolecularinteractiondatabase:2009update[J].NucleicAcidsResearch,2010,38:532-539.

    [4]BunescuR,MooneyR,RamaniA,etal.Integratingco-occurrencestatisticswithinformationextractionforrobustretrievalofproteininteractionsfromMedline[C]//Proceedingsoftheworkshoponlinkingnaturallanguageprocessingandbiology:towardsdeeperbiologicalliteratureanalysis.[s.l.]:AssociationforComputationalLinguistics,2006:49-56.

    [5]KoikeA,KobayashiY,TakagiT.Kinasepathwaydatabase:anintegratedprotein-kinaseandNLP-basedprotein-interactionresource[J].GenomeResearch,2003,13:1231-1243.

    [6] 楊志豪,洪 莉,林鴻飛,等.基于支持向量機的生物醫(yī)學(xué)文獻蛋白質(zhì)關(guān)系抽取[J].智能系統(tǒng)學(xué)報,2008,3(4):361-369.

    [7] 崔寶今,林鴻飛,張 霄.基于半監(jiān)督學(xué)習(xí)的蛋白質(zhì)關(guān)系抽取研究[J].山東大學(xué)學(xué)報:工學(xué)版,2009,39(3):16-21.

    [8]GrimesGR,WenTQ,MewissenM,etal.PDQWizard:automatedprioritizationandcharacterizationofgeneandproteinlistsusingbiomedicalliterature[J].Bioinformatics,2006,22(16):2055-2057.

    [9]AnaniadouS,KellDB,TsujiiJ.Textmininganditspotentialapplicationsinsystemsbiology[J].TrendsinBiotechnology,2006,24(12):571-579.

    [10]FundelK,KüffnerR,ZimmerR.RelEx-relationextractionusingdependencyparsetrees[J].Bioinformatics,2007,23(3):365-371.

    [11]TemkinJM,GilderMR.Extractionofproteininteractioninformationfromunstructuredtextusingacontext-freegrammar[J].Bioinformatics,2003,19(16):2046-2053.

    [12]QianW,FuC,ChengH.Semi-supervisedmethodforextractionofprotein-proteininteractionsusinghybridmodel[C]//Proceedingsofthe2013thirdinternationalconferenceonintelligentsystemdesignandengineeringapplications.[s.l.]:IEEEComputerSociety,2013:1268-1271.

    [13] Niu Y,Otasek D,Jurisica I.Evaluation of linguistic features useful in extraction of interactions from PubMed;application to annotating known,high-throughput and predicted interactions in I2D[J].Bioinformatics,2010,26(1):111-119.

    [14] Haussler D.Convolution kernels on discrete structures[R].California:University of California at Santa Cruz,1999.

    [15] Lodhi H,Saunders C,Shawe-Taylor J,et al.Text classification using string kernels[J].Journal of Machine Learning Research,2002,2(3):419-444.

    [16] Bunescu R C,Mooney R J.A shortest path dependency kernel for relation extraction[C]//Proceedings of the conference on human language technology and empirical methods in natural language processing.[s.l.]:Association for Computational Linguistics,2005:724-731.

    [17] 封二英,牛 耘,魏 歐,等.基于關(guān)系相似性的蛋白質(zhì)交互自動識別[J].計算機科學(xué),2013,40(6):229-232.

    [18] 封二英,牛 耘,魏 歐.基于大規(guī)模文本的蛋白質(zhì)交互關(guān)系自動提取[J].計算機應(yīng)用,2012,32(S1):147-150.

    [19] U.S.National Library of Medicine.PubMed[EB/OL].2011.http://www.ncbi.nlm.nih.gov/pubmed/.

    [20] Sparck J K.A statistical interpretation of term specificity and its application in retrieval[J].Journal of Documentation,1972,28(1):11-21.

    [21] Paltoglou G,Thelwall M.A study of information retrieval weighting schemes for sentiment analysis[C]//Proceedings of the 48th annual meeting of the association for computational linguistics.[s.l.]:Association for Computational Linguistics,2010:1386-1395.

    [22] Chang C C,Lin C J.LIBSVM:a library for support vector machines[J].ACM Transactions on Intelligent Systems & Technology,2007,2(3):389-396.

    Identification of Protein-protein Interaction Based on Feature Weighted

    WU Hong-mei,NIU Yun

    (School of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China)

    In a model characterized by word,if the use of feature word in different categories exists obvious differences,it will have a very important impact on classification.Based on a large-scale corpus,study the effects of different methods of feature weighting on protein-protein interaction identification.Firstly,the signature of a protein pair is obtained by searching large scale biomedical text.Taking the words as the features which describe the relationship between the protein pair,construct Vector Space Model (SVM).Then,select different weighting methods to describe the importance of words.Finally,KnearestneighborandSVMclassifierareappliedtoidentifyPPIs.Accordingtotheexperimentalresults,PPIrecognitionaccuracyandrecallandprecisionhavebeensignificantlyimprovedwhenthefeaturevectorsareweighted.

    protein-protein interaction;large-scale corpus;feature weighted;Knearestneighbor;SVM

    2015-05-10

    2015-08-13

    時間:2016-01-26

    國家自然科學(xué)基金資助項目(61202132,61170043)作者簡介:吳紅梅(1991-),女,碩士研究生,研究方向為自然語言處理;牛 耘,博士,副教授,CCF會員,研究方向為自然語言處理。

    http://www.cnki.net/kcms/detail/61.1450.TP.20160126.1517.026.html

    TP

    A

    1673-629X(2016)02-0114-04

    10.3969/j.issn.1673-629X.2016.02.026

    猜你喜歡
    簽名檔蛋白質(zhì)單詞
    蛋白質(zhì)自由
    肝博士(2022年3期)2022-06-30 02:48:48
    人工智能與蛋白質(zhì)結(jié)構(gòu)
    海外星云(2021年9期)2021-10-14 07:26:10
    單詞連一連
    無敵簽名檔
    看圖填單詞
    簽名檔
    簽名檔
    看完這些單詞的翻譯,整個人都不好了
    蛋白質(zhì)計算問題歸納
    親親寶貝.人見人愛簽名檔
    h日本视频在线播放| 亚洲精品aⅴ在线观看| 男的添女的下面高潮视频| 日本午夜av视频| 草草在线视频免费看| 国产欧美另类精品又又久久亚洲欧美| 偷拍熟女少妇极品色| 91精品伊人久久大香线蕉| 狂野欧美白嫩少妇大欣赏| 国产久久久一区二区三区| av专区在线播放| 久久久久久久久久久免费av| 精品人妻视频免费看| 精品午夜福利在线看| 亚洲色图综合在线观看| 少妇人妻精品综合一区二区| 联通29元200g的流量卡| 高清午夜精品一区二区三区| 精品国产乱码久久久久久小说| 色哟哟·www| 亚洲成人手机| 免费黄网站久久成人精品| 国产毛片在线视频| 国产精品偷伦视频观看了| 麻豆国产97在线/欧美| 久久综合国产亚洲精品| 国产成人精品婷婷| 国产伦理片在线播放av一区| 男女无遮挡免费网站观看| 久久精品国产亚洲av天美| 精品亚洲乱码少妇综合久久| 国产高清三级在线| 联通29元200g的流量卡| 国产精品不卡视频一区二区| www.av在线官网国产| 最近中文字幕2019免费版| 制服丝袜香蕉在线| 久久久亚洲精品成人影院| 国产黄频视频在线观看| 国内揄拍国产精品人妻在线| 日韩大片免费观看网站| 国产成人精品婷婷| 国产老妇伦熟女老妇高清| 国产色爽女视频免费观看| .国产精品久久| 日韩伦理黄色片| 一级毛片久久久久久久久女| 女的被弄到高潮叫床怎么办| 国产精品.久久久| 亚洲熟女精品中文字幕| 国产成人免费无遮挡视频| 国产精品久久久久久精品古装| 国产又色又爽无遮挡免| 国产真实伦视频高清在线观看| 色哟哟·www| 卡戴珊不雅视频在线播放| 18禁裸乳无遮挡免费网站照片| 国产人妻一区二区三区在| 免费在线观看成人毛片| 国产69精品久久久久777片| 日本黄色片子视频| 欧美高清性xxxxhd video| 又黄又爽又刺激的免费视频.| 18+在线观看网站| 亚洲中文av在线| 国产免费一级a男人的天堂| 国产黄频视频在线观看| www.色视频.com| 少妇的逼好多水| 精品少妇久久久久久888优播| 毛片一级片免费看久久久久| 亚洲人与动物交配视频| 国产av一区二区精品久久 | 成人毛片a级毛片在线播放| 中国三级夫妇交换| 五月天丁香电影| 亚洲av成人精品一区久久| 一级毛片黄色毛片免费观看视频| 一级片'在线观看视频| 大香蕉97超碰在线| a级一级毛片免费在线观看| 天天躁夜夜躁狠狠久久av| 一级a做视频免费观看| 在线亚洲精品国产二区图片欧美 | 性色av一级| 国产 一区 欧美 日韩| 人人妻人人看人人澡| 免费看光身美女| 制服丝袜香蕉在线| 国产高清不卡午夜福利| 美女cb高潮喷水在线观看| 少妇裸体淫交视频免费看高清| 午夜福利视频精品| 国产美女午夜福利| 中文字幕制服av| a级一级毛片免费在线观看| 成人亚洲欧美一区二区av| 一区二区三区精品91| 丰满人妻一区二区三区视频av| 我要看日韩黄色一级片| 国产免费视频播放在线视频| 亚洲国产色片| 热99国产精品久久久久久7| 我要看黄色一级片免费的| 一级毛片我不卡| 卡戴珊不雅视频在线播放| 最近2019中文字幕mv第一页| 97在线人人人人妻| 欧美高清成人免费视频www| 婷婷色麻豆天堂久久| 一级二级三级毛片免费看| 亚洲精品中文字幕在线视频 | 亚洲精品一二三| 久久99蜜桃精品久久| 视频中文字幕在线观看| 欧美极品一区二区三区四区| 一级爰片在线观看| av专区在线播放| 高清av免费在线| 国语对白做爰xxxⅹ性视频网站| 国产深夜福利视频在线观看| 精品少妇黑人巨大在线播放| 日产精品乱码卡一卡2卡三| 各种免费的搞黄视频| 97热精品久久久久久| 老熟女久久久| 日韩欧美一区视频在线观看 | 亚洲欧美日韩东京热| 国产精品无大码| 国产亚洲欧美精品永久| 亚洲成人手机| 国产v大片淫在线免费观看| 亚洲精华国产精华液的使用体验| 国产有黄有色有爽视频| 亚洲精品自拍成人| 美女主播在线视频| 精品久久国产蜜桃| 精品久久久精品久久久| 欧美3d第一页| 国产精品国产av在线观看| 你懂的网址亚洲精品在线观看| 欧美精品国产亚洲| 热re99久久精品国产66热6| 伦理电影大哥的女人| 色婷婷av一区二区三区视频| 狂野欧美激情性bbbbbb| 在线精品无人区一区二区三 | 国产一区有黄有色的免费视频| 国产女主播在线喷水免费视频网站| 精品一区在线观看国产| 国产深夜福利视频在线观看| 男女边摸边吃奶| 国产精品女同一区二区软件| 中文字幕人妻熟人妻熟丝袜美| 男女免费视频国产| 美女xxoo啪啪120秒动态图| 国产爽快片一区二区三区| 国产有黄有色有爽视频| 男女下面进入的视频免费午夜| 噜噜噜噜噜久久久久久91| 色婷婷久久久亚洲欧美| 国产高清三级在线| 久久人妻熟女aⅴ| 美女国产视频在线观看| 成人无遮挡网站| videos熟女内射| 黄色配什么色好看| 深夜a级毛片| 狂野欧美激情性xxxx在线观看| 久久人人爽人人片av| 成人午夜精彩视频在线观看| 插逼视频在线观看| 久久久久久久久大av| 国产精品久久久久久av不卡| 日韩一区二区三区影片| 精品亚洲成a人片在线观看 | 国产精品精品国产色婷婷| 成年人午夜在线观看视频| 久久精品国产a三级三级三级| 日韩国内少妇激情av| 日本与韩国留学比较| 国产精品女同一区二区软件| 一级爰片在线观看| 观看av在线不卡| 亚洲综合精品二区| 人妻一区二区av| 搡女人真爽免费视频火全软件| 99久国产av精品国产电影| 欧美老熟妇乱子伦牲交| 国产欧美另类精品又又久久亚洲欧美| 欧美日韩亚洲高清精品| 高清黄色对白视频在线免费看 | 国产视频内射| 亚洲国产高清在线一区二区三| 国产精品三级大全| 蜜桃久久精品国产亚洲av| 日本-黄色视频高清免费观看| 亚洲欧洲日产国产| 久久精品国产鲁丝片午夜精品| 1000部很黄的大片| 国产高潮美女av| 国产精品爽爽va在线观看网站| 黄色视频在线播放观看不卡| 熟女av电影| 男女免费视频国产| 99九九线精品视频在线观看视频| 91久久精品国产一区二区成人| 国产美女午夜福利| 精品国产露脸久久av麻豆| 夫妻午夜视频| 狠狠精品人妻久久久久久综合| 免费观看av网站的网址| 国产高清有码在线观看视频| 少妇的逼水好多| 在线观看一区二区三区| 亚洲精品第二区| 亚洲中文av在线| 国产精品免费大片| 国产日韩欧美亚洲二区| 午夜日本视频在线| 亚洲四区av| 久久久久久久久久成人| 一边亲一边摸免费视频| av线在线观看网站| 在线观看免费日韩欧美大片 | 伦理电影免费视频| 亚洲国产毛片av蜜桃av| 日韩伦理黄色片| a 毛片基地| 免费大片黄手机在线观看| 大片电影免费在线观看免费| 亚洲国产成人一精品久久久| 汤姆久久久久久久影院中文字幕| 2021少妇久久久久久久久久久| 内射极品少妇av片p| 日韩三级伦理在线观看| 九九爱精品视频在线观看| 中文天堂在线官网| 国产在视频线精品| 色综合色国产| 成人特级av手机在线观看| 欧美高清性xxxxhd video| 欧美三级亚洲精品| 日本爱情动作片www.在线观看| 中文在线观看免费www的网站| 国产精品成人在线| 国产精品一区www在线观看| 欧美激情极品国产一区二区三区 | 日本爱情动作片www.在线观看| 亚洲综合精品二区| 成年av动漫网址| 男男h啪啪无遮挡| 美女cb高潮喷水在线观看| 欧美极品一区二区三区四区| 欧美激情国产日韩精品一区| 国产午夜精品久久久久久一区二区三区| 久久青草综合色| 亚洲国产成人一精品久久久| 九九在线视频观看精品| 亚洲怡红院男人天堂| av国产精品久久久久影院| 久久久久久久国产电影| 性高湖久久久久久久久免费观看| 看非洲黑人一级黄片| 国产av国产精品国产| 国产精品久久久久久久久免| 国产精品一区二区三区四区免费观看| 精品国产三级普通话版| 插阴视频在线观看视频| 国产日韩欧美在线精品| 国产高潮美女av| 国产亚洲最大av| 亚洲av综合色区一区| 国产精品久久久久久久电影| 少妇猛男粗大的猛烈进出视频| 蜜桃在线观看..| 18禁裸乳无遮挡动漫免费视频| 欧美日韩亚洲高清精品| 汤姆久久久久久久影院中文字幕| 欧美精品亚洲一区二区| 纵有疾风起免费观看全集完整版| 六月丁香七月| 欧美激情极品国产一区二区三区 | 国产伦在线观看视频一区| 亚洲国产av新网站| 色视频www国产| av网站免费在线观看视频| 能在线免费看毛片的网站| 日韩国内少妇激情av| 欧美国产精品一级二级三级 | 精品国产一区二区三区久久久樱花 | 国产一区二区三区av在线| 午夜福利影视在线免费观看| h日本视频在线播放| 久久久精品94久久精品| 妹子高潮喷水视频| 国产白丝娇喘喷水9色精品| 成人国产av品久久久| 日韩强制内射视频| 狂野欧美白嫩少妇大欣赏| 人妻一区二区av| 亚洲国产av新网站| 色婷婷久久久亚洲欧美| 国产精品国产av在线观看| 一区在线观看完整版| 毛片一级片免费看久久久久| 日本欧美视频一区| 王馨瑶露胸无遮挡在线观看| 亚洲精品一区蜜桃| 精品国产露脸久久av麻豆| 国产精品人妻久久久影院| 韩国av在线不卡| 国产免费一级a男人的天堂| 午夜老司机福利剧场| 国产一区二区三区综合在线观看 | 国产在线视频一区二区| 午夜免费鲁丝| 高清视频免费观看一区二区| 深爱激情五月婷婷| 国产成人一区二区在线| 成人漫画全彩无遮挡| 亚洲丝袜综合中文字幕| 国产国拍精品亚洲av在线观看| 国产 一区 欧美 日韩| 亚洲av成人精品一二三区| 蜜桃亚洲精品一区二区三区| 一区在线观看完整版| 国产视频内射| 亚洲欧美精品专区久久| 人妻系列 视频| 精品人妻偷拍中文字幕| 久久久久精品性色| 国产免费一级a男人的天堂| 午夜福利影视在线免费观看| 全区人妻精品视频| 国产精品久久久久成人av| 成人亚洲精品一区在线观看 | 人人妻人人看人人澡| 少妇的逼好多水| 一级爰片在线观看| 在线观看三级黄色| 国产成人精品一,二区| 亚洲怡红院男人天堂| 午夜精品国产一区二区电影| 视频区图区小说| 久久久久久久大尺度免费视频| 国产精品无大码| 天堂俺去俺来也www色官网| 22中文网久久字幕| 乱系列少妇在线播放| 国产免费一级a男人的天堂| 中文字幕精品免费在线观看视频 | 亚洲国产色片| 22中文网久久字幕| 少妇 在线观看| 国产永久视频网站| 少妇 在线观看| 国产永久视频网站| 亚洲欧美日韩另类电影网站 | 亚洲va在线va天堂va国产| 欧美最新免费一区二区三区| 亚洲va在线va天堂va国产| 久久女婷五月综合色啪小说| 久久午夜福利片| 伦理电影大哥的女人| 久久6这里有精品| 亚洲国产日韩一区二区| 卡戴珊不雅视频在线播放| www.av在线官网国产| 国产av国产精品国产| 看免费成人av毛片| 少妇猛男粗大的猛烈进出视频| 国产在线免费精品| 毛片一级片免费看久久久久| 最近中文字幕2019免费版| 一区二区三区免费毛片| 美女脱内裤让男人舔精品视频| 国模一区二区三区四区视频| av.在线天堂| 最近手机中文字幕大全| 国产精品一区二区性色av| 五月天丁香电影| 高清黄色对白视频在线免费看 | 美女中出高潮动态图| 大片电影免费在线观看免费| 赤兔流量卡办理| 黑人猛操日本美女一级片| 欧美变态另类bdsm刘玥| 深爱激情五月婷婷| 免费大片黄手机在线观看| 久久6这里有精品| 女性生殖器流出的白浆| 美女内射精品一级片tv| 国产白丝娇喘喷水9色精品| 毛片一级片免费看久久久久| 全区人妻精品视频| 麻豆成人午夜福利视频| 亚洲av国产av综合av卡| 国产精品一二三区在线看| 蜜臀久久99精品久久宅男| 三级国产精品片| 日本与韩国留学比较| 男人狂女人下面高潮的视频| 成人国产麻豆网| 久久精品国产亚洲av天美| 精品久久久久久电影网| 在线观看一区二区三区激情| 一级a做视频免费观看| 午夜视频国产福利| 舔av片在线| 国产精品99久久久久久久久| 国精品久久久久久国模美| 国产白丝娇喘喷水9色精品| 好男人视频免费观看在线| 99视频精品全部免费 在线| 国语对白做爰xxxⅹ性视频网站| 欧美日韩一区二区视频在线观看视频在线| 男人和女人高潮做爰伦理| 交换朋友夫妻互换小说| 麻豆精品久久久久久蜜桃| 国产精品成人在线| 成年av动漫网址| 久久久久久久久大av| 国产精品麻豆人妻色哟哟久久| 欧美精品国产亚洲| 国产精品人妻久久久久久| 在线观看国产h片| 国产毛片在线视频| 午夜福利视频精品| 精品熟女少妇av免费看| 欧美精品亚洲一区二区| 国产精品无大码| 亚洲精品国产av蜜桃| 亚洲伊人久久精品综合| 中文字幕久久专区| 91久久精品国产一区二区三区| 久久亚洲国产成人精品v| 久久久久久久精品精品| 国产白丝娇喘喷水9色精品| 插阴视频在线观看视频| 久久久久久九九精品二区国产| 久久人人爽人人片av| 欧美日韩在线观看h| 午夜精品国产一区二区电影| 中国三级夫妇交换| 国产在线男女| av国产精品久久久久影院| 黄色日韩在线| 男人爽女人下面视频在线观看| 精品人妻偷拍中文字幕| 国产高清三级在线| 自拍偷自拍亚洲精品老妇| 国产老妇伦熟女老妇高清| 成人亚洲精品一区在线观看 | 精品一区二区三区视频在线| 人人妻人人澡人人爽人人夜夜| 18禁在线播放成人免费| 成人综合一区亚洲| 国产精品秋霞免费鲁丝片| 国产无遮挡羞羞视频在线观看| 22中文网久久字幕| 午夜老司机福利剧场| 久久鲁丝午夜福利片| 国产精品一区二区在线不卡| 日韩电影二区| 日韩大片免费观看网站| 亚洲精品乱码久久久v下载方式| 只有这里有精品99| 国产老妇伦熟女老妇高清| 国产高清不卡午夜福利| 久久精品久久精品一区二区三区| 午夜免费男女啪啪视频观看| h日本视频在线播放| 亚洲高清免费不卡视频| 永久免费av网站大全| 秋霞在线观看毛片| 免费播放大片免费观看视频在线观看| 99热这里只有是精品50| 国产高清国产精品国产三级 | 六月丁香七月| 1000部很黄的大片| 久久精品久久久久久久性| 少妇人妻 视频| 日本欧美视频一区| 美女xxoo啪啪120秒动态图| 三级经典国产精品| 麻豆成人午夜福利视频| 亚洲熟女精品中文字幕| av在线老鸭窝| 久久影院123| 国产在线免费精品| 女性被躁到高潮视频| 国产精品国产三级专区第一集| 婷婷色av中文字幕| 亚洲综合色惰| 午夜免费男女啪啪视频观看| 在线观看免费高清a一片| 男女免费视频国产| 免费看av在线观看网站| 99热网站在线观看| 国产又色又爽无遮挡免| 嫩草影院入口| 中文字幕av成人在线电影| 欧美日韩亚洲高清精品| 亚洲av福利一区| 中国美白少妇内射xxxbb| 99久久综合免费| 纵有疾风起免费观看全集完整版| 免费看日本二区| 国产精品国产三级国产av玫瑰| 免费看不卡的av| 天天躁日日操中文字幕| 日韩欧美 国产精品| 日本黄色片子视频| 一级毛片 在线播放| 午夜免费男女啪啪视频观看| 欧美成人a在线观看| 黑丝袜美女国产一区| 97热精品久久久久久| 亚洲经典国产精华液单| 日本-黄色视频高清免费观看| 精品久久久久久久末码| 久久女婷五月综合色啪小说| 欧美成人一区二区免费高清观看| .国产精品久久| 免费观看性生交大片5| 十八禁网站网址无遮挡 | 97在线视频观看| 国产色婷婷99| 777米奇影视久久| 久久精品熟女亚洲av麻豆精品| 亚洲内射少妇av| 国产av一区二区精品久久 | 超碰97精品在线观看| 亚洲天堂av无毛| 亚洲精品国产av蜜桃| 久久久成人免费电影| av在线老鸭窝| 高清av免费在线| 久久毛片免费看一区二区三区| 成人18禁高潮啪啪吃奶动态图 | 国产精品女同一区二区软件| 99国产精品免费福利视频| 日本爱情动作片www.在线观看| 岛国毛片在线播放| 亚洲成人手机| 国产精品久久久久久久电影| 在线 av 中文字幕| 久久久亚洲精品成人影院| a级毛色黄片| 欧美日韩精品成人综合77777| 精品99又大又爽又粗少妇毛片| 久久99热这里只有精品18| 国产大屁股一区二区在线视频| 欧美精品国产亚洲| 国产在线男女| 欧美日韩视频高清一区二区三区二| 日韩国内少妇激情av| 毛片一级片免费看久久久久| 全区人妻精品视频| 亚洲国产色片| 久久99精品国语久久久| 国产欧美日韩一区二区三区在线 | 99久久精品一区二区三区| 国产精品爽爽va在线观看网站| 人人妻人人看人人澡| 18禁在线播放成人免费| 黄色一级大片看看| 啦啦啦视频在线资源免费观看| 最近中文字幕2019免费版| 男女边吃奶边做爰视频| 国产无遮挡羞羞视频在线观看| 久久久久久久久久成人| 18禁在线无遮挡免费观看视频| 国产免费福利视频在线观看| 在线免费观看不下载黄p国产| 国产真实伦视频高清在线观看| 成年av动漫网址| 一级毛片 在线播放| 亚洲丝袜综合中文字幕| 色视频在线一区二区三区| 人人妻人人澡人人爽人人夜夜| 老司机影院成人| 国产精品成人在线| 亚洲不卡免费看| 国产一区亚洲一区在线观看| 国产在线男女| 国精品久久久久久国模美| 欧美最新免费一区二区三区| 午夜老司机福利剧场| 国内少妇人妻偷人精品xxx网站| 国产视频内射| 日韩不卡一区二区三区视频在线| 老熟女久久久| xxx大片免费视频| 久久久精品免费免费高清| 亚洲av电影在线观看一区二区三区| 久久久久国产网址| 精品久久久久久久末码| 日本黄大片高清| 国产中年淑女户外野战色| 观看av在线不卡| 老熟女久久久| 高清av免费在线| 麻豆成人av视频| 欧美日韩国产mv在线观看视频 | 成人漫画全彩无遮挡| 女性生殖器流出的白浆| 免费观看的影片在线观看| 男女边摸边吃奶| 欧美日韩亚洲高清精品| 亚洲一级一片aⅴ在线观看| 欧美变态另类bdsm刘玥| 国精品久久久久久国模美| av.在线天堂|