第32章基于GA_BP的抗糖化活性概念.ppt

第三十二章 MATLAB优化算法案例分析与应用 第32章 基于GA_BP的抗糖化活性研究 第三十二章 MATLAB优化算法案例分析与应用 32.1 多糖活性背景介绍 德国著名科学家 Emil fischeir 是最早开始对糖进行研究的，至今已逾百年历史。糖类化合物成为蛋白质、核酸之后生命科学领域中的又一热点。多糖又称多聚糖（Polysaccharide）是一类天然高分子化合物，它是由醛糖或酮糖通过糖苷键连接在一起聚合度大于 10 的极性复杂大分子，其分子量达到数万或数百万。 多糖作为一大类天然产物，广泛存在于动物、植物、微生物等有机体中。多糖类主要分为植物多糖、动物多糖以及微生物多糖三类，而就医用角度考虑，从中草药中提取的植物多糖受到较多的重视。在有机体中，糖类不仅作为基本能源物质，更重要的是参与了生命现象中细胞的各种活动。大量的药理和临床实验证明，多糖具有相当高的药用价值，主要体现在多糖提高机体的免疫功能、抗肿瘤、抗病毒、抗衰老、降血糖、抗辐射等几个方面。 第三十二章 MATLAB优化算法案例分析与应用 32.2 多糖活性数据初始化 选取珍珠番石榴（Psidium guajava L.）和草莓番石榴（Psidium littorale Raddi）的果实用于实验分组及成分提取。将珍珠番石榴和草莓番石榴分别切片、去籽后于75℃烘箱中烘干，烘干后于研钵中捣碎成均匀的黄豆大小，取15g药材，加250mL蒸馏水，按上表实验号依次在给定功率、时间、温度超声条件下提取、抽滤，弃去滤渣（珍珠番石榴及草莓番石榴平行操作，下同）。 本次实验主要研究超声3要素（即时间、功率、温度）与抗糖化活性的关系，如表32-1所示： 第三十二章 MATLAB优化算法案例分析与应用 32.2 多糖活性数据初始化 三个影响因子数据作训练组（training set），如表32-2所示；选取第7、11、22、27号为检测组（testing set），如表32-3所示。 第三十二章 MATLAB优化算法案例分析与应用 32.2 多糖活性数据初始化 第三十二章 MATLAB优化算法案例分析与应用 32.2 多糖活性数据初始化 对于每种实验条件下测得的抗糖化活性抑制率如表32-4所示。 第三十二章 MATLAB优化算法案例分析与应用 32.2 多糖活性数据初始化 第三十二章 MATLAB优化算法案例分析与应用 32.3 GA_BP优化分析 抗糖化活性与超声温度及功率的关系图 图32-1 抗糖化活性与超声温度及功率的关系 第三十二章 MATLAB优化算法案例分析与应用 32.3 GA_BP优化分析 抗糖化活性与超声时间及功率的关系 图32-2 抗糖化活性与超声时间及功率的关系 第三十二章 MATLAB优化算法案例分析与应用 32.3 GA_BP优化分析 抗糖化活性与超声时间及温度的关系 图32-3 抗糖化活性与超声时间及温度的关系 第三十二章 MATLAB优化算法案例分析与应用 32.3 GA_BP优化分析 根据表32-2~表32-4所示训练组和检测组数据，初始化输入输出数据，编写基于遗传算法优化的BP神经网络算法如下： % 选择 individuals=Select(individuals,sizepop); avgfitness=sum(individuals.fitness)/sizepop; %交叉 individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,bound); % 变异 individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,i,maxgen,bound); % 计算适应度 for j=1:sizepop x=individuals.chrom(j,:); %解码 individuals.fitness(j)=fun(x,inputnum,hiddennum,outputnum,net,inputn,outputn); end 第三十二章 MATLAB优化算法案例分析与应用 32.3 GA_BP优化分析 图32-4 GA适应度曲线 第三十二章 MATLAB优化算法案例分析与应用 32.