走在汽車革命的路上論文書籍站
國立虎尾科技大學 資訊管理系碩士班 陳大正所指導 曾月燁的 基於動態時間扭曲之人體動作比對 （2021），提出如何降低論文比對相似度關鍵因素是什麼，來自於動作捕捉、深度學習、人體姿態估計、動作比對、動態時間扭曲。
而第二篇論文國立陽明交通大學 生物資訊及系統生物研究所 楊進木所指導 陳宜群的 以創新生物資訊整合方法從大量鋅指蛋白質家族中開發SUPT4H選擇性抑制劑 （2021），提出因為有 亨丁頓舞蹈症、SUPT4H、鋅指蛋白質結構域、虛擬篩選、選擇性抑制劑、藥效基團模型的重點而找出了 如何降低論文比對相似度的解答。
基於動態時間扭曲之人體動作比對
為了解決如何降低論文比對相似度 的問題，作者曾月燁 這樣論述：
2019 年新型冠狀病毒 (COVID-19) 爆發，教學型態因應環境因素改變，轉而邁向遠距教學，實體體育課程如何有效的轉型，成為此時空下值得深思的問題。動作捕捉（Motion capture）是項記錄並處理人或物體動作的技術，早期以穿戴裝置獲取數據，常被應用於遊戲動畫、電影製作、醫療、人因研究及體育等領域，人體姿態估計（Human Pose Estimation, HPE）為動作捕捉延伸技術，專門針對人體動作進行偵測，隨著深度學習引進，偵測人體關節數據僅需要影像即可達成。科技進步使人在面對問題時擁有更廣泛的選擇，應用上述技術於兩視頻人體動作比對，以數據方式客觀計算出動作間相似度，在實體體育
課程轉型上，相信能提供一定的幫助。本研究建構出一個能普及化於應用的人體動作比對方法，以無標記動作捕捉方式，降低運動外在影響因素，所提出方法輸入端為深度學習人體姿態估計數據，經由正規化與數據延伸，可為不同型態的人物動作視頻進行比對。由於人體動作會受韻律影響不可能做到動作完全一致性，本研究利用動態時間扭曲演算法(Dynamic Time Warping, DTW) 找尋兩視頻最佳動作比對路徑，使動作比對更為彈性。本研究以多情境方式去驗證方法可靠性，針對動作完全相同、動作部分相同、動作完全不同情境進行結果檢測，實驗共 27 組比對視頻，動作比對相似度評分排序結果皆與實際相符，有此可證本研究所提出的動
作比對方法具有一定的可行性。
以創新生物資訊整合方法從大量鋅指蛋白質家族中開發SUPT4H選擇性抑制劑
為了解決如何降低論文比對相似度 的問題，作者陳宜群 這樣論述：
亨丁頓舞蹈症（Huntington’s disease）是一個遺傳神經退化性疾病，其病理上表現是由於huntingtin基因中三核苷酸序列重複過度擴增（trinucleotide repeats expansion）所造成，而降低蛋白質SUPT4H表現，可選擇性地只對突變基因造成影響，因此認為SUPT4H有機會作為治療亨丁頓舞蹈症之標靶蛋白質。SUPT4H包含鋅指蛋白質結構域（zinc finger domain），一般認為鋅指蛋白質在人體內維持重要生理功能，扮演著相當重要之角色，若貿然對該蛋白質做藥物設計可能容易產生較為嚴重之副作用。因此，如何區別出在SUPT4H中獨特之蛋白質鍵結口袋，以
及探討其化合物結合藥理機制即為一個重要的議題。為了解決上述議題，我們提出一個創新生物資訊整合方法，來探討含有鋅指蛋白質結構域的SUPT4H，在大量鋅指蛋白質家族中是否為一個獨特且適合做為藥物標靶之蛋白質。我們透過蛋白質序列及結構提出三個分析構面：（1）收集同源蛋白質進行序列比對；（2）透過蛋白質家族資料庫探討蛋白質結構域之分類；（3）利用蛋白質結構資料庫和蛋白質結構分類資料庫，分析蛋白質結構相似性及是否具有可供藥物標靶之鍵結口袋。藉由以上分析我們證明了SUPT4H在眾多鋅指蛋白質家族中的確相當獨特。接著，為了尋找SUPT4H之潛在先導化合物，我們首先以分子嵌合工具GEMDOCK，利用大量化合物
資料庫進行藥物篩選。藉由當中能量前3,000名化合物，以階層式分群挑選出約250個具有相似的蛋白質-化合物交互作用及化學結構之化合物，並透過SiMMap建構出其藥效基團模型。接著我們利用血腦屏障預測模型初步篩選出13個潛在的先導化合物，並與國立陽明交通大學鄭子豪教授合作，進行生物實驗驗證。其中第4號化合物，經實驗證實可有效降低帶有突變亨丁頓基因Q111/Q111的小鼠紋狀體細胞表現。綜合上述，本研究提出一個創新的生物資訊整合方法，探討SUPT4H在大量鋅指蛋白質家族中之獨特性，提出其藥效基團模型同時也找到了有效之選擇性抑制劑。我們相信這樣的方法，能夠為大型蛋白質家族設計選擇性抑制劑，提供一個有
效的策略，並且也對亨丁頓舞蹈症的治療策略，創造出新的可能。