基于遺傳神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)錄因子結(jié)合位點(diǎn)識別方法研究.pdf

1、生物信息學(xué)中的一個(gè)重要研究內(nèi)容就是對基因轉(zhuǎn)錄調(diào)控的研究。轉(zhuǎn)錄因子結(jié)合位點(diǎn)的正確識別既是揭示轉(zhuǎn)錄因子功能的關(guān)鍵之一，又是理解基因轉(zhuǎn)錄調(diào)控機(jī)理的重要環(huán)節(jié)。轉(zhuǎn)錄因子是一種特異性DNA結(jié)合蛋白，它能夠識別一段特定的DNA序列（轉(zhuǎn)錄因子結(jié)合位點(diǎn)）并與之結(jié)合，進(jìn)而調(diào)節(jié)DNA的代謝和轉(zhuǎn)錄。隨著對基因研究的不斷深入，為了更好地了解基因表達(dá)調(diào)控機(jī)制特別是轉(zhuǎn)錄調(diào)控機(jī)制，人們已經(jīng)開發(fā)了許多識別和預(yù)測轉(zhuǎn)錄因子結(jié)合位點(diǎn)的算法和軟件，但還有很多方面需要進(jìn)一步完善和

2、加強(qiáng)。 作為模式識別的有力工具，神經(jīng)網(wǎng)絡(luò)具有良好的非線性逼近性和魯棒性，已經(jīng)被廣泛并成功地應(yīng)用于序列分析中。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則多采用梯度下降法，梯度下降法雖然速度快，但是卻容易陷入局部極小，導(dǎo)致其全局尋優(yōu)性能不高。遺傳算法具有可靠的全局搜索能力，它不依賴梯度信息，而是通過模擬自然進(jìn)化過程來搜索最優(yōu)解。所以，本文結(jié)合遺傳算法與梯度下降法的優(yōu)點(diǎn)，設(shè)計(jì)了一種訓(xùn)練神經(jīng)網(wǎng)絡(luò)權(quán)值的混合優(yōu)化算法，可以利用它來解決網(wǎng)絡(luò)學(xué)習(xí)初始權(quán)值的選取問題

3、。并將基于遺傳算法優(yōu)化的BP網(wǎng)絡(luò)模型用于轉(zhuǎn)錄因子結(jié)合位點(diǎn)識別問題上。實(shí)驗(yàn)所需的數(shù)據(jù)，本文利用Metlnspector打分方法結(jié)合一致性序列模型的方式來產(chǎn)生。根據(jù)一致性序列模型生成若干序列片段，然后利用Metlnspector打分函數(shù)打分，按分值比例選取試驗(yàn)樣本。通過這種數(shù)據(jù)處理方式可以獲得更多更接近真實(shí)數(shù)據(jù)的實(shí)驗(yàn)樣本，彌補(bǔ)轉(zhuǎn)錄因子結(jié)合位點(diǎn)數(shù)據(jù)量少的不足。 本文使用MATLAB語言來實(shí)現(xiàn)算法功能，對應(yīng)于5組實(shí)驗(yàn)數(shù)據(jù)，分別構(gòu)建了5個(gè)