一种基于结构序列藕合模块辨别人类miRNA前体的新方法
一种基于异构图的miRNA与疾病关联预测方法及系统[发明专利]
![一种基于异构图的miRNA与疾病关联预测方法及系统[发明专利]](https://img.taocdn.com/s3/m/d0e332a070fe910ef12d2af90242a8956becaaff.png)
专利名称：一种基于异构图的miRNA与疾病关联预测方法及系统
专利类型：发明专利
发明人：宋继辉,张云,刘勇国,朱嘉静,李巧勤,陆鑫,傅翀
申请号：CN202210219713.1
申请日：20220308
公开号：CN114613437A
公开日：
20220610
专利内容由知识产权出版社提供
摘要：本发明提供了一种基于异构图的miRNA与疾病关联预测方法及系统，属于疾病关联预测技术领域，该方法将已知关联与miRNA相似度、疾病相似度结合构建异构图，首次在异构图上设计了层间具有可变权重的消息传递函数，设计了结合miRNA和疾病相似度的消息聚合函数，经过异构图神经网络的消息聚合，融合了异构图的高阶拓扑特征，得到miRNA和疾病的最终特征向量表示，最后通过归纳矩阵分解得到miRNA疾病关联预测矩阵，并基于miRNA疾病关联预测矩阵预测未知的miRNA与疾病的关联，提升预测结果的可信度。
申请人：电子科技大学
地址：611731 四川省成都市高新区(西区)西源大道2006号
国籍：CN
代理机构：成都方圆聿联专利代理事务所(普通合伙)
代理人：苟铭
更多信息请下载全文后查看。
基于LDA主题模型的功能性miRNA-mRNA调控模块识别
基于LDA主题模型的功能性miRNA-mRNA调控模块识别张俊鹏;贺建峰【期刊名称】《数据采集与处理》【年(卷),期】2015(030)001【摘要】借助mRNAs分析MicroRNAs(miRNAs)的研究已经用于阐述miRNAs 调控机理,但是它们大部分的准确功能仍然处于未知状态.基于此,本文提出了一种基于LDA(Latent Dirichlet allocation)主题模型来识别特定生物条件下miRNAs和靶标mRNAs之间的调控模块.该模型首先利用Welch'st-检验挖掘具有差异表达的miRNAs和mRNAs,然后采用折叠Gibbs抽样法进行参数估计.在上皮细胞-间充质细胞转型(Epithelial to Mesenchymal transition,EMT)数据集中的结果表明,所识别出的功能性miRNA-mRNA调控模块(FMRMs)能够构造不同生物条件下miRNAs与mRNAs之间的调控关系,从而为了解EMT生物过程和miRNA靶标治疗提供新的视角.与基于K-means聚类算法比较,LDA主题模型比K-means聚类在挖掘FMRMs上更加有效.【总页数】9页(P155-163)【作者】张俊鹏;贺建峰【作者单位】大理学院工程学院,大理,671003;昆明理工大学信息工程与自动化学院,昆明,650500【正文语种】中文【中图分类】TP391【相关文献】1.基于驾驶员变道意图识别的LDAS GC协调控制策略 [J], 汪选要;王其东;罗家亮;王金波2.基于LDA主题模型的图像场景识别方法 [J], 任艺;尹四清;李松阳3.基于模块化2D-LDA的视频监控中的人脸识别算法 [J], 计蕾;付永钢4.基于文献的冠心病血瘀证相关蛋白互作模块及miRNA-mRNA调控网络构建 [J], 谌子诺;王阶;陈恒文;刘咏梅;何浩强;陈光;杨光;周思远5.一种基于双向模块2DLDA的人脸识别方法 [J], 王磊;武敬飞;贾莉因版权原因，仅展示原文概要，查看原文内容请购买。
MicroRNA前体的特征选择方法
MicroRNA前体的特征选择方法玄萍;郭茂祖;吴玲;王姗姗;张兆功;李媛【摘要】microRNA(miRNA)是一类长度约为21nt的非编码RNA,具有重要的调控功能.miRNA前体包含一级序列特征和二级结构特征,其中含有冗余和无用的特征,这些特征无益于前体分类模型的分类准确度.因此需要去除冗余特征,进而降低特征维数并提高分类性能.针对miRNA的前体序列数据,已有特征选取方法,仅考虑了特征之间的区分距离.全面考虑了每个特征属性对分类的增益和特征间冗余性,选取的特征有助于建立高效的分类模型.实验结果表明,选取的特征子集有效地提高了miRNA前体分类器的预测性能,取得了更好的分类结果.【期刊名称】《智能计算机与应用》【年(卷),期】2012(002)006【总页数】4页(P1-3,10)【关键词】miRNA前体;特征选择;信息增益;特征冗余性【作者】玄萍;郭茂祖;吴玲;王姗姗;张兆功;李媛【作者单位】哈尔滨工业大学计算机科学与技术学院,哈尔滨,150001;黑龙江大学计算机科学技术学院,哈尔滨,150080;哈尔滨工业大学计算机科学与技术学院,哈尔滨,150001;黑龙江大学计算机科学技术学院,哈尔滨,150080;黑龙江大学计算机科学技术学院,哈尔滨,150080;黑龙江大学计算机科学技术学院,哈尔滨,150080;黑龙江大学计算机科学技术学院,哈尔滨,150080【正文语种】中文【中图分类】TP3910 引言microRNA（miRNA）是一类长度约为21～24个核苷酸组成的内源非编码RNA，通过序列互补配对方式对靶标mRNA的表达进行调控[1]。
研究表明miRNA参与了一系列重要的生命过程，包括发育进程、造血过程、器官形成、细胞凋亡、细胞增殖，并且与肿瘤等多种疾病的发生发展密切相关[2]。
近年来，miRNA的识别已经成为生物信息学领域新的研究热点。
有关研究表明miRNA的前体具有茎环状二级结构，且其核苷酸分布（如GC含量等）具有一定规律。
CRISPR-Cas12a联合催化发夹自组装的miRNA21检测
CRISPR-Cas12a联合催化发夹自组装的miRNA21检测Regularly Interspaced Short Palindromic Repeats）在基因组修改、疾病治疗和快速检测等领域取得了冲破性进展。
CRISPR/Cas12a是一种CRISPR系统的变种，具有高度特异性和高效率的基因编辑能力，并且还可以应用于基因组分析和疾病诊断。
miRNA21是一种微小RNA分子，它在肿瘤发生和进步中起着重要的调整作用。
因此，对miRNA21的准确检测方法对于癌症的早期诊断和治疗至关重要。
然而，传统的miRNA21检测方法不仅复杂、昂贵，而且需要复杂的仪器设备。
为了克服这些问题，探究人员进步出了一种基于CRISPR/Cas12a和催化发夹（catalytic hairpin assembly）自组装的miRNA21检测方法。
该方法利用了CRISPR/Cas12a系统的两个关键组成部分：Cas12a蛋白和CRISPR RNA（crRNA）。
Cas12a蛋白具有高度特异性的DNA切割能力，而crRNA可以通过与目标RNA序列互补配对，引导Cas12a蛋白精确识别和切割特定的RNA序列。
催化发夹自组装技术是一种能够自行组装成特定结构的核酸片段，它们通过3'-5'端互补匹配形成一个稳定的二级结构，在适当的条件下可以自主地发生结构转变。
起首，在该方法中，探究人员设计了一种包含目标miRNA21序列的切割位点的crRNA。
当crRNA与miRNA21互补配对时，便会将Cas12a蛋白引导到特定的RNA序列上。
接着，探究人员设计了一种发夹结构的DNA引物，其中包含两个互补的DNA片段，分别与目标miRNA21和crRNA的切割位点互补配对，形成一个稳定的发夹结构。
此时，引物还不能被Cas12a切割。
然后，探究人员引入另外一种称为触发器（trigger）的DNA片段。
这种触发器可以与发夹结构的DNA引物的一部分互补配对，导致引物发生结构转变，从而释放出被嵌入的DNA序列。
一种植物内源siRNA转录调控关系的鉴定方法[发明专利]
![一种植物内源siRNA转录调控关系的鉴定方法[发明专利]](https://img.taocdn.com/s3/m/c16354f2ff00bed5b8f31da5.png)
专利名称：一种植物内源siRNA转录调控关系的鉴定方法专利类型：发明专利
发明人：张德强,轩安然,宋跃朋
申请号：CN202010709376.5
申请日：20200722
公开号：CN111808935A
公开日：
20201023
专利内容由知识产权出版社提供
摘要：本发明提供了一种植物内源siRNA转录调控关系的鉴定方法，涉及分子遗传学技术领域。
本发明所述鉴定方法利用miRNA测序和降解组测序数据系统批量挖掘植物内源siRNA的靶基因，进而为小干扰RNA的功能研究提供重要信息。
本发明所述鉴定方法充分利用了第二代高通量测序技术，可以对siRNA及其靶基因进行高通量的筛选，克服了遗传转化手段的繁琐；能更精确地鉴定siRNA转录调控的靶基因，并且对siRNA功能研究具有重要的理论意义和实用价值。
申请人：北京林业大学
地址：100083 北京市海淀区清华东路35号
国籍：CN
代理机构：北京高沃律师事务所
代理人：吕纪涛
更多信息请下载全文后查看。
一种新型miRNA功能测定系统的建立
一种新型miRNA功能测定系统的建立
张睿;钱程
【期刊名称】《浙江理工大学学报》
【年(卷),期】2008(025)005
【摘要】找到一种降低内源microRNA(miRNA)背景对let-7α荧光效应元件干扰的方法.选择Hela细胞系作为工具细胞系,先分别转染敲除miRNA加工成熟通路上的蛋白Dicerl,Drosha的siRNA表达载体,或转染直接敲除内源miRNA let-7α的siRNA表达载体,然后再次转染含有let-7α靶点HMGA2 3'UTR的荧光效应元件,之后观测let-7α荧光效应元件荧光恢复程度.结果显示pcDNA3-H1-sh-A-R-let-7α对含有HMGA2 3'UTR的荧光效应元件恢复荧光的效果最好.
【总页数】7页(P583-589)
【作者】张睿;钱程
【作者单位】浙江理工大学生命科学院,杭州,310018;浙江理工大学生命科学院,杭州,310018
【正文语种】中文
【中图分类】Q279
【相关文献】
1.一种新型的定量测定特异性体液免疫功能的溶血空斑试验 [J], 安云庆;辛永梅
2.一种新型多功能彩色超声诊断仪图文管理系统的研制*一种新型多功能彩色超声诊断仪图文管理系统的研制 [J], 陈荣;徐泽林;张慧连;陈明
3.一种新型优化的肺组织羟脯氨酸水平测定方法的建立 [J], 彭方毅;周欢;姜海蓉;袁兵占;崔玉花
4.一种新型多功能野战厕所的建立与应用 [J], 唐功臣;赵勇;王胜;付留杰;高帆;杨筱筠;栾勇
5.新型定性-定量测定血红蛋白氧载体的检测系统Ⅲ.建立抗人源性氧载体类兴奋剂检测系统的初探 [J], 陈芳; 严坤平; 王丽莉; 褚巍; 王凡; 陈超; 但宁
因版权原因，仅展示原文概要，查看原文内容请购买。
人工miRNA簇表达载体的构建及检测
人工miRNA簇表达载体的构建及检测李纪鹏;付汉江;秦宜德;郑晓飞【期刊名称】《安徽医科大学学报》【年(卷),期】2010(045)003【摘要】目的构建人工miRNA表达簇,并研究miRNA的加工对蛋白质表达水平的影响.方法从miRNA表达库中扩增miR-34a及miR-424的前体序列,将上述两种miRNA串联,构建PGL-34a-424人工miRNA簇表达载体.通过RT-PCR的方法检测人工miRNA簇的表达情况.然后将miRNA前体突变,再用荧光素酶报告基因技术研究miRNA的加工对蛋白质表达的影响.结果成功构建人工miRNA簇表达载体,荧光素酶实验显示miRNA的加工能够抑制蛋白的表达.结论人工miRNA 表达簇能够高效表达,miRNA的加工对蛋白质的表达有抑制作用.【总页数】4页(P294-297)【作者】李纪鹏;付汉江;秦宜德;郑晓飞【作者单位】安徽医科大学生化与分子生物学教研室,合肥,230032;军事医学科学院放射与辐射医学研究所,北京,100850;安徽医科大学生化与分子生物学教研室,合肥,230032;军事医学科学院放射与辐射医学研究所,北京,100850【正文语种】中文【中图分类】R394;R977.9【相关文献】1.获得构建 miRNA高表达载体的pre-miRNA及其侧翼 DNA序列的生物信息学方法 [J], 李嘉熙;宋刘梅;王美晨;蓝茜;李玥;刘莉;王璇;韩燕;李冬民2.基于miRNA-155结构的人工miRNA表达载体的构建与评价 [J], 李英;谢佩雯;黄海;张秀娟;胡伟;王学军;王升启3.炎症相关miRNAs在LPS诱导的小鼠乳腺上皮细胞炎性反应中的表达及miR-223真核表达载体的构建 [J], 郝俊芳;黄凯;王月影;杜丽丽;钟凯4.Hsa_circ_0008957靶MiRNA预测及其表达载体构建 [J], 李仙仙;鲁艳芹;韩金祥5.miRNA-143表达载体构建及表达活性检测 [J], 姜星;生安志;白立景;鞠辉明因版权原因，仅展示原文概要，查看原文内容请购买。
新型人工miRNA表达框架的构建及其有效性验证
新型人工miRNA表达框架的构建及其有效性验证徐慧;范张玲;张旺;杨伦宇;彭剑雄【期刊名称】《临床检验杂志》【年(卷),期】2014(32)12【摘要】目的构建针对EGFP基因的人工miRNA表达框架并验证其有效性.方法用融合PCR技术在体外构建针对EGFP基因的人工miRNA表达框架.经测序比对后,以该表达框架与报告基因质粒pEGFP-N2分别共转染人肝癌细胞系HepG2、人宫颈癌细胞系HeLa和人肺腺癌细胞系A549,48 h后用倒置荧光显微镜观察增强型绿色荧光蛋白(EGFP)的表达情况并用流式细胞仪定量检测其抑制效率.结果构建的人工miRNA表达框架经测序比对正确;共转染该表达框架和报告基因质粒pEGFP-N2后,倒置荧光显微镜观察结果显示,3种细胞中发出荧光的细胞数量减少,荧光强度明显降低.流式细胞术检测结果显示,HepG2细胞、HeLa细胞和A549细胞中共转染组和单独转染组的细胞荧光表达率差异均有统计学意义(t分别为20.80、30.35和20.34,P均＜0.01).结论成功构建靶向EGFP的人工miRNA表达框架,且此表达框架能有效而特异地抑制EGFP蛋白在HepG2细胞、HeLa细胞和肺癌A549细胞中的表达.【总页数】5页(P939-943)【作者】徐慧;范张玲;张旺;杨伦宇;彭剑雄【作者单位】中南大学湘雅医学院医学检验系,长沙410013;中南大学湘雅医学院医学检验系,长沙410013;中南大学湘雅医学院医学检验系,长沙410013;中南大学湘雅医学院医学检验系,长沙410013;中南大学湘雅医学院医学检验系,长沙410013【正文语种】中文【中图分类】R34【相关文献】1.基于miRNA-30的RNAi表达框架的构建及其有效性验证 [J], 李亚红;赵丹丹;李思佳;覃淇;邱彤彤;彭剑雄2.人工miRNA簇表达载体的构建及检测 [J], 李纪鹏;付汉江;秦宜德;郑晓飞3.miRNAs慢病毒文库筛选靶向EZH23'非翻译区的新型miRNAs及其在乳腺癌中的表达 [J], 刘萃萃;王璐璐;赵卫卫;彭攸;王玉平;孙振亮;冯景4.基于miRNA-155结构的人工miRNA表达载体的构建与评价 [J], 李英;谢佩雯;黄海;张秀娟;胡伟;王学军;王升启5.炎症相关miRNAs在LPS诱导的小鼠乳腺上皮细胞炎性反应中的表达及miR-223真核表达载体的构建 [J], 郝俊芳;黄凯;王月影;杜丽丽;钟凯因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于递归算法预测茎环结构的miRNA前体预测方法的开题报告
一种基于递归算法预测茎环结构的miRNA前体预测方法的开题报告一、研究背景miRNA（microRNA）是一类长约20nt左右的小分子RNA，它们主要参与转录后基因表达的调控，并在细胞分化、增殖、细胞死亡、发育等生物过程中发挥着重要的作用。
miRNA通常由RNA聚合酶II在基因组中产生，经“一切二剪”方式产生预miRNA，经核外加工后被进一步切割成寡聚核苷酸成熟的miRNA。
预测miRNA前体序列是miRNA生物信息学的重要研究方向之一。
miRNA前体序列的预测方法多种多样，例如序列比对、二级结构预测等传统的方法，还有近年来兴起的基于深度学习的方法。
其中，基于RNA二级结构特征的预测方法得到广泛的应用和认可。
二、研究目的本项目旨在提出一种基于递归算法的miRNA前体预测方法，通过预测预miRNA的二级结构中是否存在一个茎环结构，从而进一步判断是否为合法的miRNA前体序列。
该方法的优势在于：基于递归算法，可以很好地描述RNA分子的二级结构信息，减少计算量，提高预测的准确性和速度。
三、研究方法1. 数据集选择选取已知miRNA前体序列和非miRNA序列，用于构建训练样本和测试样本。
2. 特征提取对于每个样本，先提取其RNA序列，然后基于RNA二级结构信息，提取特征。
本研究主要使用的特征为：茎环结构的长度和能量，外部环和内部环的长度和能量，二级结构的匹配度，碱基对的数目等。
3. 构建模型本研究采用基于递归算法的方法预测miRNA前体序列。
该方法可以描述RNA分子的二级结构信息，计算量小，预测效果好。
首先，根据输入的miRNA序列，生成其对应的RNA二级结构图。
然后，利用动态规划算法求解RNA二级结构图的最优匹配情况，判断其中是否存在茎环结构。
最后，通过判断茎环结构的长度和能量，以及外部环和内部环的长度和能量等特征，预测该预miRNA是否为合法的miRNA前体序列。
四、预期结果本研究的预期结果为：提出一种基于递归算法的miRNA前体预测方法，有效地预测预miRNA的二级结构中是否存在茎环结构，从而进一步判断是否为合法的miRNA 前体序列。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3. Libsvm分类：
(1) 把阴性和阳性集合中得到的特征放到一起形成head.txt. 在阳性阴性集合中提取特征向量。 抽取特征向量的过程：
>hsa-mi-320-1 MI0008190 Homo sapiens mi-320-1 stem-oop
UUCUCGUCCCAGUUCUUCCCAAAGUUGAGAAAAGCUGGGUUGAGAGGA ((((((.(((((((.(((.((....)).))).))))))).))))))..
(4)把每个位点的二级结构放在相应的位点后面，形成sequence-structure. >hsa-mi-320-1 MI0008190 Homo sapiens mi-320-1 stem-oop
UUCUCGUCCCAGUUCUUCCCAAAGUUGAGAAAAGCUGGGUUGAGAGGA ((((((.(((((((.(((.((....)).))).))))))).)))))).. U(U(C(U(C(G(U.C(C(C(A(G(U(U(C.U(U(C(C.C(A(A.A.G.U.U )G)A.G)A)A)A.A)G)C)U)G)G)G)U.U)G)A)G)A)G)G.A.
一种基于结构序列 藕合模块辨别人类 miRNA前体的新方法
刘秀芹 2009.11.15
内容提要
• miRNA的产生 • miRNA概述
•Mirident方法流程结果 •与已有的方法的比较 •讨论
miRNA的产生——中心法则
miRNA的产生
蛋白基因1
DNA序列
转录 Protein Gene
miRNA基因
L代表’(‘ R代表’)’ D表示’.’
ULULCLULCLGLUDCLCLCLALGLULULCDULULCLCDCLALADADG DUDURGRADGRARARADARGRCRURGRGRGRUdURGRARGRARG RGDAD
(5)用软件 teiresias找457条公共特征(457/608=75%)。
算法步骤 1. 阳性集合准备
(1) hsa.fa是human的678条pre-miRNA序列(hairpin.fa 是所有物种的pre-miRNAs,用hsa.py取出人的)。 (2) 去重复率高于90%的序列，剩638条(quxiangsilian.py)。
(3) 计算二级结构，去多环，剩608条。
•受对miRNA认识的限制 •一般分别考虑序列和结构的性质，大部分没有充分考虑序 列和结构之间的相互关系
本文想法： 充分挖掘序列和结构耦合的特征。
用耦合特征辨别miRNA和假pre-miRNA.
Mirident方法流程 •准备序列结构(sequence-structure) •寻找耦合特征 •用线性SVM对特征进行排序 •用支持向量机训练分类器，进行预测
与已有的方法的较：
ACC SP SE AUC
Mirident
3SVM 3SVM(same training data)
98.39%
83.87% 80.24%
99.1935% 97.58%
89.516% 84.67% 78.226% 75.8%
99.11%
Miralbra
Threshold= 0
Threshold= -1 Threshold=-2
2. 阴性集合准备
(1)、在ucsc下载refseq.fa (2)、过滤剩11426条
(3)、去重复序列，只剩7898条 (4)、随机抽取608条，计算二级结构。 (5)、把每个位点的二级结构放在相应的位点后面，形成sequence-structure.
(6)、用teiresias找457条（457/608=75%）共有的motifs（L=4,W=12,K=457）
80.242% 1
89.5% 81.45% 79.84% 84.68% 95.968% 69.354% 100% 87.2%
60.48387 % 83.645%
93.55% 54.84% 82.26% 92%
PriMir Score=7 Score=0
特征的位置分布：
20 18 16 14 12 10 8 6 4 2 0 -120
-100
-80
-60
-40
-20 LUL..C
0
20
40
60
80
20 18 16 14 12 10 8 6 4 2 0 40
60
80
100
120
140 160 R.R..G.U
180
200
220
240
特征 LUL..C在序列>hsa-mi-320-1 中的特征向量的分量为2. 它的特征向量为：
（2,2,4,2,2,1,1,3,2,4,0,3,2,2,2,2,1,3,2,3,2,2,0,0,1,4,3,2,0,0,2,1,2,1,2,3,2,4,2,2,1,0,1,4,3,4,3,1,2,4,1,1, 2,3,3,0,2,0,3,0,1,2,2,7,1,1,1,2,2,1,6,2,0,1,1,3,3,0,2,2,2,1,2,1,1,1,2,3,2,1,2,6,3,3,2,1,2,0,2,3,4,0,0,0,1,1 ,1,1,0,2,3,1,3,1,1,3,2,4,1,0,3,1,3,3,0,3,3,2,2,3,3,2,1,3,0,0,5,1,2,2,2,1,1,0,1,2,2,1,3,1,1,1,2,2,1,1,1,2,3, 3,2,0,2,4,4,1,2,1,3,6,3,2,3,1,1,1,0,3,1,0,3,2,2,3,4,1,0,3,1,1,3,4,0,1,0,1,1,2,1,3,2,0,1,2,2,0,1,2,2,1,1,0,1 ,1,3,3,1,0,2,3,0,1,3,0,1,0,0,1,1,2,1,1,1,1,2,3,3,1,2,0,3,2,1,1,0,1,0,2,2,1,2,0,1,1,0,0,2,4,1,0,3,1,1,2,1,1, 1,1,0,0,4,3,0,0,1,0,0,3,3,2,3,2,1,1,2,3,2,1,3,2,1,2,2,4,2,3,1,0,2,0,2,1,1,3,1,0,2,1,2,0,0,2,1,2,2,4,2,0,1,0 ,1,0,2,0,3,1,0,1,4,4,3,2,5,2,3,2,2,1,2,5,0,4,1,2,1,1,1,2,2,3,2,5,2,0,0,0,2,0,2,2,2,2,2,1,1,2,3,1,2,1,0,4,2, 0,0,1,3,2,0,0,0,1,2,2,2,1,1,1,2,3,1,1,2,1,2,3,0,0,1,3,2,0,2,0,2,2,5,0,1,3,0,2,3,1,0,1,5,0,1,4,2,0,0,2,3,1,4 ,1,2,0,2,0,1,2,2,1,2,1,1,3,0,3,2,3,2,1,0,1,2,1,3,2,2,0,1,1,2,1,2,1,0,1,5,3,0,0,1,2,1,0,0,0,2,3,3,2,1,1,2,1, 2,2,2,3,2,1,0,1,0,2,2,1,1,1,0,1,2,1,0,2,1,2,1,0,1,0,1,4,0,1,0,1,0,3,2,1,0,1,2,4,0,3,2,5,0,2,3,1,1,0,0,1,0,1 ,1,2,1,3,2,1,1,1,1,3,3,0,1,1,2,1,0,1,1,2,1,2,0,3,1,2,1,3,0,4,2,1,2,3,1,1,2,3,0,0,0,2,3,1,1,2,2,2,4,1,2,1,2, 0,1,0,0,2,0,0,3,0,2,1,1,1,0,0,1,1,0,0,0,2,2,2,1,0,2,2,1,2,1,1,4,5,2,1,0,1,1,2,1,3,1,0,1,3,0,0,2,0,2,1,1,4,2 ,0,4,0,0,1,0,1,1,2,2,0,1,0,2,3,2,0,3,4,1,1,1,1,2,0,0,1,0,2,0,1,0,4,3,0,3,1,1,3,2,0,1,0,1,0,1,1,1,2,1,0,0,0, 0,0,2,0,2,1,1,2,1,1,2,0,1,3,2,0,3,0,1,2,0,3,1,2,0,0,2,3,2,0,1,1,3,0,5,2,0,1,3,4,1,1,1,2,2,1,1,0,1,0,2,3,5,3 ,2,0,2,1,4,2,0,0,1,1,2,1,0,1,4,3,4,0,0,1,0,1,0,0,0,2,0,3,2,1,2,4,1,2,5,1,2,0,1,0,2,2,3,0,0,1,2,4,3,2,2,1,6, 0,3,1,1,3,3,1,1,0,0,2,2,0,0,1,1,0,1,0,2,0,0,3,1,1,1,2,1,0,1,1,1,1,1,2,2,0,0,1,0,4,0,0,4,0,2,3,1,0,2,1,1,0,2 ,0,1,3,1,4,0,1,1,2,3,1,2,1,1,1,2,1,0,0,2,1,3,1,2,1,1,1,2,0,1,0,2,0,3,3,0,3,1,3,0,4,1,1,1,0,2,2,0,0,0,0,0,1, 2,2,1,2,2,3,0,4,0,0,3,1,2,2,1,1,0,2,0,0,3,1,0,0,3,3,1,0,0,3,3,1,1,1,0,2,0,1,1,0,1,1,0,2,1,0,2,0,2,0,0,1,2,0 ,3,2,2,1,0,1,1,0,3,1,0,0,0,3,2,0,0,1,0,2,3,4,1,2,0,3,2,0,1,0,1,1,1,0,0,0,1,2,1,1,2,3,3,0,4,2,1,2,1,5,1,1,0, 1,0,2,1,2,1,1,4,0,0,0,1,2,3,1,1,1,1,0,1,2,2,1,1,0,0,1,2,0,1,0,0,2,0,0,0,0,2,5,3,2,1,0,1,0,3,4,3,0,0,1,2,1,3 ,2,0,3,1,2,0,1,3,0,1,2,0,3,1,1,1,0,0,0,0,0,1,2,1,1,2,3,3,1,1,1,1,3,1,2,0,4,1,4,0,1,1,1,3,1,1,1,2,0,2,3,1,1, 3,0,4,2,1,1,1,1,1,1,0,2,2,2,1,1,1,0,2,1,0,2,1,0,2,2,1,0,0,0,1,2,1,2,1,0,0,2,0,2,4,0,0,1,0,3,0,0,1,3,1,3,1,5 ,2,2,2,2,0,0,0,1,1,3,0,0,1,2,1,2,3,2,0,1,3,1,3,2,5,0,3,2,3,1,0,2,2,0,2,4,3,1,2,2）