第十四章_DNA搜索与筛选应用 知识来源 作者的筛选思维就不说了,玩贾克斯,2012年就开始筛选装备,人生36年,筛选无处不在,当年去印度基督大学读书也是作者筛选出来的结果。关于养疗经典的筛选,作者要感谢父亲给作者提的需求是能够根据中医辩证的定义来进行药物的筛选和搜索。如药物的归经,性味,五行,经脉所属,成分,功效,禁忌,用法,等数据库属性来分类搜索归纳。作者少走了很多弯路。,药材书籍主要来自李时珍本草纲目,和(明清时期的16本草古书,如本草拾遗,本草同源,作者在qq群下载的)等。配方古籍经典主要来自张仲景的伤寒论。另外还包括了黄帝内经,藏经,金扁匮要等医学经典数百部600万字古书(作者在百度豆丁文库上购买的),方便了作者测试筛选算法。作者的三维词汇花的JPGL研究基础来自路德大学作者的3D探索实验。这一章节主要涉及 全书的函数进行应用的实践. 元基的细化模式 1 将人类词汇进行语义元基编码. refer page 下册64 2 编码中的元基含有量和元基的搭配位置用于特征标识. refer page 表格中数据元基 在笛卡尔循环搜索时候会自动叠加 略. 3 特征标识主要包含 生化标识和 语义标识. refer page 表格中数据元基 在笛卡尔循环搜索时候会自动叠加 略. 3. 1 语义元基定义方式. refer page 下册77 3. 2 生化元基定义方式. refer page 下册78 4 特征标识用于搜索和筛选应用. refer page 下册79 语义的元基表达 1 语义的元基表达主要体现在 特征标识的方式. refer page 语义元基的特征标识的方式, 主要体现在 通过DNA十六元基 AOPM VECS IDUQ TXHF的对应语义意识编码后, 进行最简主谓宾的三元组合词根PDW设计, 然后根据人类思维意识的词汇定义来进行元基词根归纳替换的方式. 这种标识方式可以选出元基词汇中含有成分比重高的单独元基或者片段进行二次特征标识. 举例 如下面的 教育 词汇 中含有的 VQ. OEQ. SU 就属于特征元基和片段. 2 固定的特征标识可以生成元基词汇. refer page 683,语义元基词汇, 作者罗瑶光 3 单个的特征标识可以用于索引分类. refer page 下册79 如筛选分类应用 元基筛选应用实例 4 单位长度的特征标识可以用于索引加密. refer page 下册77 如表格中数据元基描述. 特征的PCA打分模式 1 特征的PCA打分 体现在某元基的 占有概率比重. refer page 下册76 2 特征的PCA打分 体现在某元基团的 占有概率比重. refer page 下册79 3 特征的PCA打分 体现在搜索中权重叠加打分 . 举例 张三AOP, 李四POM , 那么 PO 就叠加了, 搜索分值权重自动增加. refer page 下册79 搜索对象的元基索引方式 1 搜索对象的元基索引可以通过单个元基染色体分类索引. refer page 下册77 2 搜索对象的元基索引可以通过单个元基词汇 索引. refer page 683 元基索引染色体分类观测 1 元基索引染色体分类观测 体现在函数的功能进行分类. refer page 682, 692 2 函数的功能进行元基编码, 体现在文件名编码和文件函数名编码. refer page 671, 下册147 作者进行文字描述组织文字描述下。首先输入一个肽化索引号的函数如 aop.mve.csl.duq.java, 元基来自(AOPM-VECS-IDUQ十二DNA稳定语义元基),假设这个函数文件含有3个函数,aop(),aop.mve(), csi(), 于是开始遗传接口的新陈代谢方式优化编码,首先作者按c语言的宏文件方式进行interface和prototype分离,这样,接口便继承了Controller的C,函数实体继承了Execute的E,接着开始将函数文件的每一个函数进行函数名迁移到文件名中,形成XCDX(新陈代谢拼音首字母缩写)的后缀链接,这样,对应的E实体就能implements这个controller的肽索引名不断的跟进延长归纳拓展,如前2行所示,最后行关于static函数的新陈代谢表达,接口和实体都能包含。描述人罗瑶光。 A Detail of CE Separation in First Metabolism. At first I input a functional file name as 'AOP.MVE.CSI.DUQ.java', the meta-based initons were from 'AOPM-VECS-IDUQ, DNA Initon Encoding'. Assumed above java file which had had three function prototypes of AOP(), AOP.MVE() and CSI(). Then starts a metabolic optimization by their inherited interfaces. If we had learned C programming, will easy to make a separation between interfaces and prototypes. In an observation of metabolism, interface could be a macro type, and prototype could be a functional type. So by following C programming theory, we built Controller- C as marco type and Execute- E as functional type, It seems like a well condition of cuting the part of function name into file name after DNA Initon Encoding. And finally seems more like a blooming Dandelion flower. The author named this action as XCDX tail - first chars of 'XinChenDaiXie', metabolism. The first two line determinated a metabolic way of XCDX. And the end line did a comprehensively condition of static type. Author YaoguangLuo 稍后优化语法3 文件名和函数名 元基编码, 主要用进行新陈代谢, 方便之后的进化计算. refer page 下册149 应用 DNN分词词汇花. refer page 下册80~ 三维词汇花例子 DNN 词汇花综合筛选观测：通过选出一篇数据文字, 进行DNN计算后得到紫色tag标识, 然后在三维词汇花组件中进行相应的功能计算展示输出, 并进行主界面的筛选组件过滤和筛选输出结果. DNA搜索的应用实现 在没有设计元基之前, 我便设计了多种完整的数据聚类搜索函数. 我一直在思考, (稍后我会加非元基搜索的多种实例展示. ) 如果加入了元基计算, 要达到怎么样一种预期效果, 快, 广, 准, 是必要的. 其次？ 我想到很多, 但终究不如实践与推导. 于是我设计 了这个计算模式的版本如图. 效果不错, 但很粗糙, 因为是我的第一代元基搜索. 我一会一直优化它. 这个两张搜索 关于风湿性风寒, 筛选出了白芷, 我结合中医看了下, 筛出的都是君药, 我之后会按书上的意思推选出臣药 出来. 让计算观测功能更加丰富, 严谨, 准确 简单介绍下中药本草页面的逻辑上面横条是全局栏目, 用于 搜索, 筛选, 观测和全局控制, 中药页的上部分是一个六行显 示的表格, 默认排序输出价值元组. 下面则是数据观测部分, 从一维的线性文本, 2 维的图片数据, 到三维的属性花, 组成了数据 分析的核心部分. 现在, 经络和性味的元基筛选已经成功, 如上图展示 上图通过无关性味的E 元基过滤后, 搜索麻风 列出的中医方剂进行 DNN 深度分析价值词汇, 然后进行三维属性聚类观测, 此时, 中医药页面显示其相关对症的有价值中药列次在表格中方便查阅. 之后这元基变换函数我会升级在数据变换 API中. 同 时, 上面的应用是中医方剂和中医本草两个页面进行耦合操作, 然后在三维图中观测, 养疗经的全局分类依次打分排序体系支持多种 复杂的分析操作. 上面这张图的原理是点击方剂元组后, DNN 展示的数据词汇(根据不同的精度, 词汇数目可以控制) 进行分类, 分类后的第一 层展开, 开始进行第二层功效搜索, 进行聚类. 这样一分一聚 就生成了DNN 三维词汇花的骨架结构. 如图 乌燕一药含有 苦参, 苦参有治疗痈肿的功效. 上面这张图方便在药物聚类搜索后查看其主要禁忌, 于是我设计了这个功能组件. 之后禁忌属性也会全部语义方式元基肽化. 上面这张图恰好与 DNN 观测相反. 我将乌燕一方剂进行主要功效拓扑, 然后每一个有价值功效分类进行 相关对症的药物聚 类展示, 如图, 乌燕对传染性疾病有价值, 传染病对症的药物有熊胆(黄疸类肺皮血肝胆部等疾病). 入手足疾病, 桂花治疗手痛. 如果关联有疑惑, 于是可以通过中药页表格搜索进行持续傻瓜化搜索. 第四节DNA筛选的动机 上面这张图, 通过元基的经络和性味筛选后, 再过滤风险中的标识文字, 于是禁忌三维花开始清晰. 通常一味药的功效越 强, 毒性就越大, 禁忌就越多, 于是禁忌观测将这类危险级别高的药物在这里进行了归纳观测. 上面这张图为 搜索白术后出现的 DNN 价值词汇, 如果其中词汇属于功效则进行第二次对症药物搜索, 因为搜索的数据太 多, 为了方便清晰显示, 于是进行 T 坐标进行时间轴控制避免花屏 上面这张图展示了白术的属性列分类进行 PCA(主要成份显示)显示. 如白术, 进行禁忌, 功效, 用量, 性味进行分类扩展, 其功效在进行 PCA 扩展 益气, 健脾, 治疗溃疡, 在搭配上可以和茯苓 黄芩入伍等. 在用量上一般在 6-12 克炮制中药. 上图的西药 DNN 关联, 不多解释了, 西药的数据类似 中药方剂页 DNN 功效聚类显示, 同理. 上图点击肿痛按胶囊, 图中显示有治疗肿胀作用, 而肿胀的对症西药也有很多, 如甘露醇, 醇类, 激素类等, 该药有缓解疼痛, 治疗溃疡等作用, 其对症药物也有很多显示, 如图, 方便职业医生的查询思维拓展. 第五节 DNA筛选的应用需求 目前养疗经采用的元基筛选属于混合语义元基进行单元基筛选. 之后, 随着语义语料库的丰富和全部文字肽化, 准备 进行三元基词汇筛选 Implements of 3-Dimensional DNN lexical flowers. PAGE258, The 3-Dimensional and observational lexical flowers, where showed POS arrangement, PCA of text mining, and word segmentation. First input a text do the word segments, then did a word statistics, and the Deta parser mind-read procedures, to find Its DNN tokens, and rendered the PCA lexicons by each DNN token's score. Finally built a mapped result to respond to the lexical flower's engine, YangLiaoJing, and prepare to show Its 3-Dimensional demo-reflections by using JOGL 3D API. Not only the mapped result could be filtered by scale vernier, also the rendered lexicons flower could be. The scale vernier could explain more factors here the schedure controlled the amounts of lexicons, nodes of lexicons, and classes of lexicons. Amounts of lexicons meant petal clusters under the same functional lexicons, such like an umbrena, for example '轻身', '止渴', '明目' under '苦参' etc. Nodes of lexicons meant a classification of the determinated attributes where expanded as a blooming flowers, for example '苦参','酒' etc. Classes of lexicons meant a whole layers of this lexicon flower, for example '乌燕病名'. The scale vernier could make more procedures of scheduring, filtering, abstracting and expanding etc. The author YaoguangLuo 稍后优化语法 DNA筛选的具体描述 DNA Filter and Its Applications Bio-Literary Filtering and Indexed Ortho Base(BLFIO). A definition of what a lexicon dictionary, according to the compass arrangement with each Chinese char. It might be reflected by a compass arrangement of biology. For example the '酸' meant acid in English. Then proved Literature of acid was VU, meant V: 'Feel' and U: 'Change' by human thinking. Biology of acid, meant wood in compass, then was arranged to the east direction, as position of '巽', Tatsumi. It might be concluded as Initons of AQ, from page of 240, a regular compass sample with erosion. List below where with those conclusions. 酸: VUI. AQ; 甘: VUI. PI; 苦: VUI. DH; 辣: VUI. CX; 咸: VUI. OU; 涩: VUI. MV; 平: VUD. ST; and 腻: VUI. ED; The author might consider all of Chinese chars, could be translated into a BLFIO. And this BLFIO was a true language where be used in the biological and literay environment. After that the author began to build three chars of PDC languages to implement this BLFIO, and their D-R-NA applications. 味觉语义元基定义 味觉生化元基定义 双元筛选索引词库 元基的生化归纳定义, 是根据文字的八卦方位, 对应生化腐蚀罗盘, 双元罗盘的方位, 进行归纳的元基词汇. 如酸属于木, 在东方, 巽位, 为 AQ, 方便大家理解. 双元筛选索引词库如下: 酸: VUI. AQ 甘 : VUI. PI 苦: VUI. DH 辣: VUI. CX 咸: VUI. OU 涩: VUI. MV 平: VUD. ST 腻: VUI. ED我将双元基的词根进行无理级别复合组成了高级元基文字, 这种文字同时满足语义又满足生化理解的双重属性, 方便我养 疗经的下一步演化. 一开始我仅想用 3 个语义元基字母来造字, 后来发现, 很多近义词 三个元不好归纳, 就多加元基来归 纳, 见语料库章节, 结果一些词汇元基特别长, 于是我有必要创造一种新的造字方法, 现在这种生化加语义的词汇元基, 看起 来非常不错, 按我的思想, 既然不错我就开始应用了 第七节DNA筛选的应用实现 尝试下在搜索风热咳嗽的对症下去掉 S 性味语义元基筛选后, 出现的贝母, 黄芩, 前胡, 牛蒡子, 黄花, 丹草 6 味君药. 方 便大家的理解, S= I, S= Q, IQ 为酮基嘧啶, 温燥. 于是 D, M 中 C 寒为主等药 物列筛选出来. 同时生化罗盘中这里 S 属于土对症胃过滤, M 属于金对症骨肺保留, 下一步跟进研究我会放在第三卷, 第二卷 不做生化跟进, 仅仅做语义研究, 思维打止. 上面这张图, 逐步开始大分子元基语义(这里是语义不是生化, 大家注意, 如果是语义归纳的元基就必须用语义, 生化归纳的元基 就必须用生化. 避免出错呀)性味筛选, 咳嗽发热浓痰对症出现 瓜蒌皮MD 贝母 SI 党参 MS 半夏MS甘草 MS 车前草 MD 药物, 通过筛选温燥的元基过滤掉后, 结果展示. 上图搜索发热咳嗽 浓痰, 开启风险过滤 胎孕毒穴片关键字, 然后无关性味过滤 UCOV 元基础成份, 结果含有 甘草, 瓜蒌皮, 车前草, 党参, 贝母, 痰喘半夏等. 在配伍过滤开启后, 禁忌明显相冲的药物已经被过滤掉. 线性观测调节, 关键字比 重加重后筛选结果. 大大方便了职业医生的用药选择观测. For example YangLiaoJing, the author tried to search a 'Suit the remedy to the case' of '风热咳嗽', a wind-heat cough. After did a filtering by six Monarches of S initon with YangLiaoJing, and whose list of a '贝母' of Fritillary; '黄芩' of Scutellaria; '前胡' of The root of purple-flowered peucedanum; '牛蒡子' of Fructus Arctii; '黄花' of Solidago decurrens Lour '古书 黄花 为一枝黄花'; and '臭灵丹草' of Wingedtooth Laggera Herb. The proof PDE formula was S= I, S= Q, so that IQ meant a ketonic pyrimidine, '温燥' of warmness and tryness. Then will list Initons of D, M, and C for cold, S for soil, and M for bone and lung. Then only stoped by a development with literay PDE. Because he was too busy to continue a biology exploration. Above picture, the author began to definite big molecules of literay Initon, to make well an observation in medical data searches and applicaitons. For example '瓜蒌皮' of Pericarpium Trichosanthis, MD; '贝母' of Fritillary, SI; '党参' of Codonopsis pilosula, MS; '半夏' of Pinellia ternata, MS; '甘草' of Glycyrrhiza glabra, MS; and '车前草' of Herba Plantaginis, MD. After a filtering with literay Initon keys of warmness and dryness. And dangerous Initon keys of UCOV, meant not for cold. He got an observation from the ranked list of '甘草' of Glycyrrhiza glabra, '瓜蒌皮' of Pericarpium Trichosanthis, '车前草' of Herba Plantaginis, '党参' of Codonopsis pilosula, '贝母' of Fritillary, and '痰喘半夏' of Pinellia ternata, etc. Seem the RNA literary Initon computing, did a well medical search here the Cheers. The author YaoguangLuo 稍后优化语法. 第八节DNN分词 词汇花函数源码 同理归纳不多解释了, 都是语义元基级别, 不做生化元基分析(第三卷研究). 上图搜索发热咳嗽 浓痰 头晕, 开启风险过滤 胎孕毒石穴片谱关键字, 然后有关经络保留 AQV 元基成份, 无关性味过滤 PE 元基础成份, 结果含有 阿胶, 车前草, 党参, 贝母, 瓜蒌皮, 甘草等. 在配伍过滤开启后, 禁忌明显相冲的药物已经被过滤 掉 花的筛选与观测 尝试下在搜索风热咳嗽的对症下去掉 S 性味语义元基筛选后, 出现的贝母, 黄芩, 前胡, 牛蒡子, 黄花, 丹草 6 味君药. 方 便大家的理解, S= I, S= Q, IQ 为酮基嘧啶, 温燥. 于是 D, M 中 C 寒为主等药 物列筛选出来. 同时生化罗盘中这里 S 属于土对症胃过滤, M 属于金对症骨肺保留, 下一步跟进研究我会放在第三卷, 第二卷 不做生化跟进, 仅仅做语义研究, 思维打止 上面这张图, 逐步开始大分子元基语义(这里是语义不是生化, 大家注意, 如果是语义归纳的元基就必须用语义, 生化归纳的元基 就必须用生化. 避免出错呀)性味筛选, 咳嗽发热浓痰对症出现 瓜蒌皮MD 贝母 SI 党参 MS 半夏 甘草 MS 车前草 MD 药物, 通过筛选温燥的元基过滤掉后, 结果展示. 上图搜索发热咳嗽 浓痰, 开启风险过滤 胎孕毒穴片关键字, 然后无关性味过滤 UCOV 元基础成份, 结果含有 甘草, 瓜蒌皮, 车前草, 党参, 贝母, 痰喘半夏等. 在配伍过滤开启后, 禁忌明显相冲的药物已经被过滤掉. 线性观测调节, 关键字比 重加重后筛选结果. 大大方便了职业医生的用药选择观测. 同理归纳不多解释了, 都是语义元基级别, 不做生化元基分析(第三卷研究). 上图搜索发热咳嗽 浓痰 头晕, 开启风险过滤 胎孕毒石穴片谱关键字, 然后有关经络保留 AQV 元基成份, 无关性味过滤 PE 元基础成份, 结果含有 阿胶, 车前草, 党参, 贝母, 瓜蒌皮, 甘草等. 在配伍过滤开启后, 禁忌明显相冲的药物已经被过滤掉 章节的著作权文件列表： 1.罗瑶光. 《德塔自然语言图灵系统 V10.6.1》. 中华人民共和国国家版权局，软著登字第3951366号. 2019. 2.罗瑶光. 《Java数据分析算法引擎系统 V1.0.0》. 中华人民共和国国家版权局，软著登字第4584594号. 2014. 3.罗瑶光. 《德塔 Socket流可编程数据库语言引擎系统 V1.0.0》. 中华人民共和国国家版权局，软著登字第4317518号. 2019. 4.罗瑶光. 《德塔数据结构变量快速转换 V1.0》. 中华人民共和国国家版权局，软著登字第4607950号. 2019. 5.罗瑶光. 《数据预测引擎系统 V1.0.0》. 中华人民共和国国家版权局，软著登字第5447819号. 2020. 6.罗瑶光，罗荣武. 《类人DNA与 神经元基于催化算子映射编码方式 V_1.2.2》. 中华人民共和国国家版权局，国作登字-2021-A-00097017. 2021. 7.罗瑶光. 《肽展公式推导与元基编码进化计算以及它的应用发现》. 中华人民共和国国家版权局，国作登字-2021-A-00042587. 2021. 8.罗瑶光. 《DNA催化与肽展计算和AOPM-TXH-VECS-IDUQ元基解码013026中文版本》. 中华人民共和国国家版权局，国作登字-2021-A-00042586. 2021. 9.罗瑶光，罗荣武. 《DNA元基催化与肽计算第二卷养疗经应用研究20210305》. 中华人民共和国国家版权局，国作登字-2021-L-00103660. 2021. 10.罗瑶光，罗荣武. 《DNA 元基催化与肽计算 第三修订版V039010912》. 中华人民共和国国家版权局，国作登字-2021-L-00268255. 2021. 11.罗瑶光. 《DNA元基索引ETL中文脚本编译机V0.0.2》. 中华人民共和国国家版权局，SD-2021R11L2844054. 2021. （登记号:2022SR0011067）软著登字第8965266号 12.罗瑶光. 《TinShell插件_元基花模拟染色体组计算索引系统 V20211227》. 中华人民共和国国家版权局，SD-2021R11L3629232. 2022. （受理号:2022R11S0138561） 13.类人数据生命的DNA计算思想 Github [引用日期2020-03-05] https://github.com/yaoguangluo/Deta_Resource 14.罗瑶光，罗荣武. 《DNA元基催化与肽计算 第四修订版 V00919》. 中华人民共和国国家版权局，SD-2022Z11L0025809. 2022. 罗瑶光