CN102841186A - 基于通路模式挖掘的中药活性成分预测方法 - Google Patents
基于通路模式挖掘的中药活性成分预测方法 Download PDFInfo
- Publication number
- CN102841186A CN102841186A CN2012103093850A CN201210309385A CN102841186A CN 102841186 A CN102841186 A CN 102841186A CN 2012103093850 A CN2012103093850 A CN 2012103093850A CN 201210309385 A CN201210309385 A CN 201210309385A CN 102841186 A CN102841186 A CN 102841186A
- Authority
- CN
- China
- Prior art keywords
- gene
- compound
- frequent
- biological pathway
- database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000003814 drug Substances 0.000 title claims abstract description 31
- 239000004480 active ingredient Substances 0.000 title claims abstract description 13
- 230000037361 pathway Effects 0.000 title abstract description 7
- 238000013277 forecasting method Methods 0.000 title abstract 3
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 99
- 150000001875 compounds Chemical class 0.000 claims abstract description 66
- 230000008236 biological pathway Effects 0.000 claims abstract description 29
- 230000000694 effects Effects 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 30
- 238000012216 screening Methods 0.000 claims description 11
- 235000008216 herbs Nutrition 0.000 claims description 9
- 238000007418 data mining Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 239000004615 ingredient Substances 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 230000010534 mechanism of action Effects 0.000 description 5
- 239000008530 yinqiaosan Substances 0.000 description 5
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000796 flavoring agent Substances 0.000 description 2
- 235000019634 flavors Nutrition 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 101150044182 8 gene Proteins 0.000 description 1
- 235000011437 Amygdalus communis Nutrition 0.000 description 1
- 244000144725 Amygdalus communis Species 0.000 description 1
- 241000205585 Aquilegia canadensis Species 0.000 description 1
- 235000003130 Arctium lappa Nutrition 0.000 description 1
- 240000005528 Arctium lappa Species 0.000 description 1
- 235000001405 Artemisia annua Nutrition 0.000 description 1
- 240000000011 Artemisia annua Species 0.000 description 1
- 241000050051 Chelone glabra Species 0.000 description 1
- 241001465251 Ephedra sinica Species 0.000 description 1
- 241000576429 Forsythia suspensa Species 0.000 description 1
- 241001547125 Fritillaria thunbergii Species 0.000 description 1
- 235000016257 Mentha pulegium Nutrition 0.000 description 1
- 244000246386 Mentha pulegium Species 0.000 description 1
- 235000004357 Mentha x piperita Nutrition 0.000 description 1
- 235000020224 almond Nutrition 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229940126678 chinese medicines Drugs 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 229910052602 gypsum Inorganic materials 0.000 description 1
- 239000010440 gypsum Substances 0.000 description 1
- 235000001050 hortel pimenta Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 206010022000 influenza Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 229940002612 prodrug Drugs 0.000 description 1
- 239000000651 prodrug Substances 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 231100000622 toxicogenomics Toxicity 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种基于通路模式挖掘的中药活性成分预测方法,该方法包括如下步骤:收集中药的含有CAS登记号的化合物成分数据;收集化合物的关联基因,形成化合物-基因关联对,依据关联基因的出现频率对基因进行排序,形成关联基因列表;设置阈值筛选频繁基因,形成生物通路数据集,每一个频繁基因对应一条生物通路数据记录;针对生物通路数据集挖掘通路模式;对频繁基因进行评分;对化合物活性进行评分;对基因得分和化合物活性得分设置阈值,依此对化合物-基因关联对进行筛选,保留剩下的化合物,从而预测中药的活性成分。
Description
技术领域
本发明涉及计算机领域在中药活性成分研究中的应用领域,特别涉及一种基于通路模式挖掘的中药活性成分预测方法。
背景技术
中药发展历史悠久,通过古籍记载和经验传授流传至今。近年来,越来越多的国内外学者开始关注中药的研究。为了研究中药的作用机理,首先需要弄清中药的物质基础。中药成分繁多,成分之间作用机理复杂,往往多种成分协同作用于多个基因靶标。找出中药的活性成分,是中药物质基础研究中十分关键的一步,同时也有助于认识中药复杂的作用机理。在中医药的研究中,将宝贵的中医药经验用这种更加标准更加科学的方式来解释,对于中医药的发扬光大是至关重要的。
目前,主要有两类计算模型用于研究药物成分与药物功效的关系,从而找到药物活性成分。第一类计算模型是将化合物的生物活性与化合物的结构和化学特性联系起来,这一类研究建立在“化合物的生物活性依赖其结构和化学特性”的假设之上。但是,获取中药所有成分的结构信息比较困难,这限制了这一模型的有限性。第二类计算模型是将复杂系统的生物活性与系统的化合物构成关联起来,但是,目前仍然缺乏准确的计算模型来量化这种关联关系。
针对这种情况,有必要设计更多有效的方法来预测中药的活性成分,从而揭示中药的物质基础,解释中药的作用机理。
发明内容
(一)要解决的技术问题
本发明所要解决的技术问题在于提供一种基于通路模式挖掘的中药活性成分预测方法能较准确地预测出中药的活性成分。
(二)技术方案
为解决上述技术问题,本发明提供一种基于通路模式挖掘的中药活性成分预测方法,该方法包括如下步骤:
步骤1:收集中药的含有登记号的化合物成分数据;
步骤2:查询第一数据库,收集化合物的关联基因,形成化合物-基因关联对,依据所述关联基因的出现频率对基因进行排序,形成关联基因列表;
步骤3:设置阈值筛选频繁基因,通过查询第二数据库,收集每一个频繁基因相关的生物通路,形成生物通路数据集;
步骤4:针对所述生物通路数据集,选取算法,挖掘通路模式;
步骤5:对频繁基因进行评分;
步骤6:对化合物活性进行评分;
步骤7:对所述基因得分和所述化合物活性得分设置阈值,对化合物-基因关联对进行筛选,保留剩下的化合物。
优选地,所述登记号为CAS登记号。
优选地,所述第一数据库为CTD数据库。
优选地,所述第二数据库为KEGG数据库。
优选地,所述算法为双向关联规则算法。
优选地,从所述第一数据库收集化合物的关联基因时,去除没有关联基因信息的化合物数据。
优选地,从所述第二数据库收集基因相关的生物通路时,去除不属于人类的基因和没有生物通路信息的基因。
优选地,所述步骤4还包括:遍历所述生物通路数据集的所有数据记录,找到满足支持度要求的1-项通路频繁集;从k-项通路频繁集通过连接-剪枝操作生成候选(k+1)-项通路频繁集;对所述候选(k+1)-项通路频繁集的检验;对于数据挖掘的结果进行人工筛选,其中k为自然数。
优选地,所述步骤5采用如下表达式实现评分:
其中,Sg表示基因得分,k表示通路模式中通路频繁集的最高项数,k为自然数,Ni表示的是i-项通路频繁集中双向关联规则的个数,hi表示的是基因相关的生物通路中能构成的i-项双向关联规则的个数,i为自然数。
优选地,所述步骤6采用如下表达式实现评分:
其中,m表示化合物关联基因的个数,Sgj表示化合物第j个关联基因的得分,S表示所有频繁基因的得分之和,j为自然数;
N表示化合物关联基因的个数,Ngt表示化合物关联基因中得分大于零的基因个数。
(三)有益效果
本发明所提供的方法,着重于对生物信息的数据挖掘,相较于生物辅助软件的操作,更加简便易行;所使用的基因数据和生物通路数据均来源于公开生物数据库,数据可靠、有保障;通过本发明所提供的方法能够比较准确的预测出中药的活性成分,并对成分所作用的基因靶标作出分析。
附图说明
图1是根据本发明的一种基于通路模式挖掘的中药活性成分预测方法的流程图;
图2是根据本发明具体实施例的操作流程示意图;
图3是根据本发明具体实施例的基因频率分布示意图;
图4是根据本发明具体实施例的化合物-基因-生物通路映射过程的示意图;
图5是根据本发明具体实施例的双向关联规则算法流程的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
本发明以化合物-基因-生物通路的映射顺序,从中药的成分化合物数据关联到生物通路数据,针对生物通路数据进行数据挖掘,提取出通路模式作为中药所治疗疾病病理的描述,以通路模式为标准,分别对基因重要性和化合物活性进行量化衡量,从而筛选出中药的活性成分。
图1是根据本发明的一种基于通路模式挖掘的中药活性成分预测方法的流程图。如图1所示,本发明提供一种基于通路模式挖掘的中药活性成分预测方法,该方法包括如下步骤:
步骤1:收集中药的含有CAS登记号(Chemical Abstracts ServiceNumber)的化合物成分数据;
步骤2:利用化合物的CAS登记号查询CTD数据库(ComparativeToxicogenomics Database),收集化合物的关联基因,形成化合物-基因关联对,同时依据关联基因的出现频率对基因进行排序,形成关联基因列表;
步骤3:设置阈值筛选频繁基因,通过查询KEGG数据库(KyotoEncyclopedia of Genes and Genomes)收集每一个频繁基因相关的生物通路,形成生物通路数据集,每一个频繁基因对应一条生物通路数据记录;
步骤4:针对生物通路数据集,利用双向关联规则算法挖掘通路模式。
优选地,所述步骤4包括:
步骤41:遍历生物通路数据集的所有数据记录,找到满足支持度要求的1-项通路频繁集;
步骤42:从k-项通路频繁集通过“连接-剪枝”操作生成候选(k+1)-项通路频繁集,k为自然数;
步骤43:候选(k+1)-项通路频繁集的检验;
首先进行支持度的检验,去除不满足支持度要求的(k+1)-项通路;然后进行置信度的检验,依据双向关联规则挖掘的原则,频繁通路共同出现的次数与其中任意一个通路单独出现的次数的比值均要大于或等于置信度。满足以上要求的候选(k+1)-项通路(亦即一条双向关联规则)构成(k+1)-项通路频繁集。若(k+1)-项通路频繁集存在,则转至步骤42,对新生成的(k+1)-项通路频繁集进行相同处理,若不存在则停止步骤42、步骤43的循环,将生成的前k-项通路频繁集代入步骤44,进行下一步的处理,k为自然数;
步骤44:对于数据挖掘的结果进行人工筛选;
少数生物通路明显与中药所治疗的疾病无关,它们是由数据挖掘引入的杂项,因此通过人工筛选将包含这些通路的双向关联规则去除。最后,筛选后的所有k-项通路频繁集构成了通路模式,k为自然数。
步骤5:根据频繁基因的相关生物通路与通路模式匹配的情况,对频繁基因进行评分,用于衡量基因在疾病病理中的重要程度。基因得分Sg定义为表达式(1):
其中,k表示通路模式中通路频繁集的最高项数,Ni表示的是i-项通路频繁集中双向关联规则的个数,hi表示的是基因相关的生物通路中能构成的i-项双向关联规则的个数。
步骤6:根据化合物关联基因的得分情况,对化合物的活性进行评分,化合物活性得分Sc定义为表达式(4):
其中,func表示化合物关联基因的功能性评价,定义为表达式(2):
对于表达式(2),m表示化合物关联基因的个数,Sgj表示化合物第j个关联基因的得分,S表示所有频繁基因的得分之和。
spec表示化合物关联基因的特异性评价,定义为表达式(3):
对于表达式(3),N表示化合物关联基因的个数,Ngt表示化合物关联基因中得分大于零的基因个数;
步骤7:对基因得分和化合物活性得分设置阈值,依此对化合物-基因关联对进行筛选,保留剩下的化合物,从而预测了中药的活性成分。
下面以预测中药方剂麻杏石甘汤-银翘散的活性成分为例对本发明做进一步阐述。图2是根据本发明具体实施例的操作流程示意图,如图2所示,操作包括如下步骤:
步骤1:收集成分数据。
通过咨询中药专家和查阅文献,获知麻杏石甘汤-银翘散方剂由12味中药组成,包括:甘草、麻黄、银花、知母、黄芩、杏仁、连翘、薄荷、浙贝母、牛蒡子、青蒿和石膏。获得这12味中药中含有CAS登记号的化合物成分共计541个。
步骤2:整理关联基因。
通过所述化合物的CAS登记号查询CTD数据库,获得所述化合物的关联基因信息。由于所述化合物中有些化合物并不常见,CTD数据库并未收录或没有“化合物-基因”关联信息,因此去除这些化合物数据。处理之后,共获得153个化合物、7895个关联基因和14603个化合物-基因关联信息。
依据7895个基因在不同化合物关联基因中出现的频率(或次数),对它们进行排序。基因数目随着基因频率变化,其分布参见图3。
步骤3:准备生物通路数据。
设置基因频率阈值为8,保留频率大于或等于8的基因,获得172个频繁基因。去除其中没有相关生物通路信息的基因和不属于人类的基因,剩下152个频繁基因。
查询KEGG数据库,准备好152个频繁基因的相关生物通路信息。一个频繁基因的相关生物通路数据构成一条数据记录。
化合物-基因-生物通路的映射过程的详细描述参见图4。
步骤4:挖掘通路模式。
双向关联规则算法的流程参见图5。将双向关联规则算法中的支持度设置为0.09,置信度设置为0.55。挖掘结果包括38个1-项双向关联规则、24个2-项双向关联规则和2个3-项双向关联规则。麻杏石甘汤-银翘散用于治疗甲流,因此进行人工筛选时只保留感染类疾病、肺部疾病和细胞活动相关的生物通路。这样,筛选后的通路模式由18个1-项双向关联规则、14个2-项双向关联规则和1个3-项双向关联规则构成。通路模式的构成情况参见下表。
步骤5:计算基因得分。
将152个频繁基因的相关通路分别与通路模式进行匹配,依据表达式(1)对152个基因进行评分。
步骤6:计算化合物活性得分。
根据以上化合物关联基因的得分情况,依据表达式(2)和(3)分别对功能性和特异性进行评分。
然后依据表达式(4)对化合物的活性进行评分。
步骤7:筛选活性成分。
设置化合物活性得分阈值为0.5,基因得分阈值为0.1。在这两个阈值之上分别有30个化合物和30个基因。遍历步骤2中的14603个化合物-基因关联对,筛选出以上30个化合物和30个基因之间的关联对。如此处理后,剩下16个化合物,29个基因和162个化合物-基因交互对。其中,16个化合物就是麻杏石甘汤-银翘散的活性成分预测结果,29个基因则是活性成分作用的基因靶标,29个基因和162个化合物-基因交互对共同解释了这些活性成分的作用机理。
对于预测的麻杏石甘汤-银翘散的活性成分,分子对接实验和医学文献验证它们是比较准确的。其中一些活性成分已经引起了越来越多研究者的兴趣,并且研究实验证明它们对流感的治疗作用明显。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于通路模式挖掘的中药活性成分预测方法,该方法包括如下步骤:
步骤1:收集中药的含有登记号的化合物成分数据;
步骤2:查询第一数据库,收集化合物的关联基因,形成化合物-基因关联对,依据所述关联基因的出现频率对基因进行排序,形成关联基因列表;
步骤3:设置阈值筛选频繁基因,通过查询第二数据库,收集每一个频繁基因相关的生物通路,形成生物通路数据集;
步骤4:针对所述生物通路数据集,选取算法,挖掘通路模式;
步骤5:对频繁基因进行评分;
步骤6:对化合物活性进行评分;
步骤7:对所述基因得分和所述化合物活性得分设置阈值,对化合物-基因关联对进行筛选,保留剩下的化合物。
2.如权利要求1所述的方法,其特征在于,所述登记号为CAS登记号。
3.如权利要求1所述的方法,其特征在于,所述第一数据库为CTD数据库。
4.如权利要求1所述的方法,其特征在于,所述第二数据库为KEGG数据库。
5.如权利要求1所述的方法,其特征在于,所述算法为双向关联规则算法。
6.如权利要求3所述的方法,其特征在于,从所述第一数据库收集化合物的关联基因时,去除没有关联基因信息的化合物数据。
7.如权利要求4所述的方法,其特征在于,从所述第二数据库收集基因相关的生物通路时,去除不属于人类的基因和没有生物通路信息的基因。
8.如权利要求5所述的方法,其特征在于,所述步骤4包括:遍历所述生物通路数据集的所有数据记录,找到满足支持度要求的1-项通路频繁集;从k-项通路频繁集通过连接-剪枝操作生成候选(k+1)-项通路频繁集;对所述候选(k+1)-项通路频繁集的检验;对于数据挖掘的结果进行人工筛选,其中k为自然数。
9.如权利要求1所述的方法,其特征在于,所述步骤5采用如下表达式实现评分:
其中,Sg表示基因得分,k表示通路模式中通路频繁集的最高项数,k为自然数,Ni表示的是i-项通路频繁集中双向关联规则的个数,hi表示的是基因相关的生物通路中能构成的i-项双向关联规则的个数,i为自然数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210309385.0A CN102841186B (zh) | 2012-08-28 | 2012-08-28 | 基于通路模式挖掘的中药活性成分预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210309385.0A CN102841186B (zh) | 2012-08-28 | 2012-08-28 | 基于通路模式挖掘的中药活性成分预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102841186A true CN102841186A (zh) | 2012-12-26 |
CN102841186B CN102841186B (zh) | 2015-01-21 |
Family
ID=47368739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210309385.0A Active CN102841186B (zh) | 2012-08-28 | 2012-08-28 | 基于通路模式挖掘的中药活性成分预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102841186B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104978347A (zh) * | 2014-04-11 | 2015-10-14 | 中国中医科学院中医临床基础医学研究所 | 中文生物医学文献数据库中敏感关键词的数据挖掘方法和系统 |
CN104992077A (zh) * | 2015-05-25 | 2015-10-21 | 江苏康缘药业股份有限公司 | 中医药生物信息处理方法、装置和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1701343A (zh) * | 2002-09-20 | 2005-11-23 | 德克萨斯大学董事会 | 用于信息发现以及关联分析的计算机程序产品、系统以及方法 |
CN101441682A (zh) * | 2007-11-21 | 2009-05-27 | 上海生物信息技术研究中心 | 中药药效物质机理的生物信息分析平台及其分析方法 |
CN101736406A (zh) * | 2009-11-04 | 2010-06-16 | 西华大学 | 一种通过代谢预测和虚拟筛选发现中药活性成分的方法 |
-
2012
- 2012-08-28 CN CN201210309385.0A patent/CN102841186B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1701343A (zh) * | 2002-09-20 | 2005-11-23 | 德克萨斯大学董事会 | 用于信息发现以及关联分析的计算机程序产品、系统以及方法 |
CN101441682A (zh) * | 2007-11-21 | 2009-05-27 | 上海生物信息技术研究中心 | 中药药效物质机理的生物信息分析平台及其分析方法 |
CN101736406A (zh) * | 2009-11-04 | 2010-06-16 | 西华大学 | 一种通过代谢预测和虚拟筛选发现中药活性成分的方法 |
Non-Patent Citations (3)
Title |
---|
XUEZHONG ZHOU ETAL: "Text mining for traditional Chinese medical knowledge discovery: A survey", 《JOURNAL OF BIOMEDICAL INFORMATICS》, 13 January 2010 (2010-01-13) * |
YE H,ET AL: "A pathway profile-based method for drug repositioning", 《CHINESE SCIENCE BULLETIN》, vol. 57, no. 17, 23 February 2012 (2012-02-23), XP035065271, DOI: doi:10.1007/s11434-012-4982-9 * |
姚美村等: "数据挖掘及其在中医药现代化研究中的应用", 《北京中医药大学学报》, vol. 25, no. 5, 15 October 2002 (2002-10-15) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104978347A (zh) * | 2014-04-11 | 2015-10-14 | 中国中医科学院中医临床基础医学研究所 | 中文生物医学文献数据库中敏感关键词的数据挖掘方法和系统 |
CN104992077A (zh) * | 2015-05-25 | 2015-10-21 | 江苏康缘药业股份有限公司 | 中医药生物信息处理方法、装置和系统 |
CN104992077B (zh) * | 2015-05-25 | 2018-04-24 | 江苏康缘药业股份有限公司 | 中医药生物信息处理方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102841186B (zh) | 2015-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fusco et al. | Blockchain in healthcare: Insights on COVID-19 | |
Tomback et al. | Community structure, biodiversity, and ecosystem services in treeline whitebark pine communities: potential impacts from a non-native pathogen | |
Klembara | A new species of Pseudopus (Squamata, Anguidae) from the early Miocene of Northwest Bohemia (Czech Republic) | |
Manos et al. | An updated infrageneric classification of the North American oaks (Quercus Subgenus Quercus): Review of the contribution of phylogenomic data to biogeography and species diversity | |
Bona et al. | Caiman gasparinae sp. nov., a huge alligatorid (Caimaninae) from the late Miocene of Paraná, Argentina | |
Bakalin et al. | Calypogeia (Calypogeiaceae, Marchantiophyta) in Pacific Asia: Updates from molecular revision with particular attention to the genus in North Indochina | |
Camilo et al. | Root traits related with drought and phosphorus tolerance in common bean (Phaseolus vulgaris L.) | |
Güzel et al. | Phylogeny and systematics of the Lactucinae (Asteraceae) focusing on their SW Asian centre of diversity | |
Gramkow et al. | From evidence to design solution—on how to handle evidence in the design process of sustainable, accessible and health-promoting landscapes | |
Calede et al. | New gophers (Rodentia: Geomyidae) from the Cabbage Patch beds of Montana (Renova Formation) and the phylogenetic relationships within Entoptychinae | |
CN108897759A (zh) | 一种中医医案可视化方法 | |
CN102841186A (zh) | 基于通路模式挖掘的中药活性成分预测方法 | |
Boch et al. | Direct and indirect effects of management intensity and environmental factors on the functional diversity of lichens in Central European forests | |
Colombo et al. | Overview of the Americas’ first peopling from a patrilineal perspective: new evidence from the southern continent | |
Slotta et al. | Phylogeny of Cirsium spp. in North America: host specificity does not follow phylogeny | |
Wang et al. | Occurrence of the Gomphotherium angustidens group in China, based on a revision of Gomphotherium connexum (Hopwood, 1935) and Gomphotherium shensiensis Chang and Zhai, 1978: continental correlation of Gomphotherium species across the Palearctic | |
Szawaryn et al. | A new tribe of the ladybird beetle subfamily Microweiseinae (Coleoptera: Coccinellidae) discovered on an island in the North Atlantic Ocean | |
Guo et al. | Modeling for predicting the potential geographical distribution of three Ephedra herbs in China | |
Kramina et al. | Phylogenetic placement and phylogeography of large-flowered Lotus species (Leguminosae) formerly classified in Dorycnium: Evidence of pre-pleistocene differentiation of western and eastern intraspecific groups | |
Sumbembayev et al. | New and noteworthy taxa of the genus Dactylorhiza Necker ex Nevski (Orchidaceae Juss.) in Kazakhstan flora and its response to global warming | |
Li et al. | New fossils of early and middle Miocene Choerolophodon from northern China reveal a Holarctic distribution of Choerolophodontidae | |
Poe et al. | A new species of Anolis (Squamata: Iguanidae) from Panama | |
Keçici et al. | Diversity and identification of plant-parasitic nematodes in wheat-growing ecosystems | |
Doostmohammadi et al. | Phylogeny and historical biogeography of Veronica subgenus Pentasepalae (Plantaginaceae): Evidence for its origin and subsequent dispersal | |
de Mestier et al. | Nested singletons in molecular trees: Utility of adding morphological and geographical data from digitized herbarium specimens to test taxon concepts at species level in the case of Casearia (Salicaceae) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |