RNA二級結構預測算法的研究.pdf

1、RNA(Ribonucleic Acid，RNA)分子在生物細胞中不僅充當著遺傳信息的載體和傳遞工具，還具有催化RNA的剪接，加工和修飾RNA前體，調控基因表達和生物體的生長發(fā)育等一系列重要的功能，而功能與結構是密切相關的，因此對RNA分子結構的研究就成為分子生物學的一個重要領域。由于RNA分子具有降解速度快，難以結晶等特點，通過X射線晶體衍射和核磁共振等實驗方法去測定RNA分子的立體結構花費的成本高、時間長，雖然測得的結果精確可靠，可

2、是面對當前海量的生物序列，實驗方法顯然跟不上要求，因此RNA二級結構預測就成為研究RNA分子結構的主要手段。RNA二級結構預測是指借助于計算機手段和各種數學方法從理論上去預測RNA的空間結構，可為揭示RNA結構與功能的關系提供重要信息，大大提高認識RNA空間結構的效率。
　　 論文對目前主流的RNA二級結構預測算法的理論和實現方法進行了細致的研究。通過對基于熱力學的預測方法(包括Zuker的最小自由能算法、遺傳模擬退火算法、Ho

3、pfield神經網絡方法、免疫粒子群算法)和比較序列分析方法(協(xié)同變異預測模型、隨機上下文無關語法預測)以及基于機器學習的分類預測方法的分析，對這些算法存在的優(yōu)缺點進行了比較研究，總結出了RNA結構預測方法發(fā)展的趨勢和要求，為本文的預測算法奠定了理論和實驗基礎。
　　 首先論文分析了人工魚群智能算法在優(yōu)化問題中的優(yōu)勢和不足，并針對基本人工魚群算法在解決離散問題的過程中存在的的缺陷進行了相應改進，首次將魚群算法應用到RNA二級結構

4、預測問題中，建立了一種基于人工魚群算法的最小自由能算法模型。在對算法編碼實現時，采用集合表示狀態(tài)點，能有效地縮小搜索空間，有利于算法在較短時間內找到目標解。仿真實驗與傳統(tǒng)的基于最小自由能的相關算法進行了比較研究，結果表明，使用改進魚群算法進行RNA序列的二級結構預測能獲得較理想的預測效果，能有效減少計算量、節(jié)省計算時間，特別當待測序列長度大于500時，魚群算法在收斂速度上有著較明顯優(yōu)勢。
　　 其次，研究了粒子群優(yōu)化算法在組合優(yōu)

5、化問題中的應用背景，針對基本粒子群算法的早熟收斂，容易陷入局部最優(yōu)且搜索精度不高等缺點，進行了相應的改進，提出了局部精英粒子群算法，在該算法中，通過改變粒子的鄰居拓撲結構，使每個粒子擁有固定的局部鄰居，每次迭代都會根據自身在鄰居中的地位和狀態(tài)以及歷史最優(yōu)值來調整下一步的狀態(tài)。由于有效地保持粒子的多樣性，使得算法有較好地跳出局部極值的特性。
　　 本文根據局部精英粒子群算法的思想構建了一套基于最小自由能思想的RNA二級結構預測模型

6、。在對算法進行編碼時，使用集合來表示粒子的狀態(tài)，巧妙地將粒子運動的速度和狀態(tài)函數使用集合之間的運算來重載，避免了傳統(tǒng)粒子群算法參數選擇的煩惱。實驗數據有力地支持了改進后的粒子群算法和新的粒子運動狀態(tài)編碼方式。
　　 第三，通過擴展NSSEL(New Secondary Structure Element Labels，NSSEL)標簽，創(chuàng)建了一套能夠描述偽結結構信息的eNSSEL(extended NSSEL，eNSSEL)標簽

7、。一條RNA分子序列中的所有堿基都可以使用eNSSEL標簽進行標記，從另一個角度來理解，即：任意一個堿基都可以被分類為某一個標簽，因此，一條原始的RNA分子序列能與一條eNSSEL標簽序列一一對應。由于eNSSEL標簽攜帶了結構信息，因此，對于某一個RNA分子而言，只要得到其對應的標簽序列，就可以知道其二級結構的組成。根據該思想，建立了基于SVMs(support vector machines，SVMs)的分類預測模型。該模型通過有效