基于隱馬爾可夫模型的EST序列聚類研究.pdf

1、在原始EST序列中，存在載體、限制核酸內(nèi)切酶、polyA、polyT等多種特征。根據(jù)EST序列特征，在對(duì)EST序列集合進(jìn)行分類的時(shí)候，通常是已經(jīng)知道一定數(shù)量的EST序列的類別，并將這些已知類別的EST序列作為已標(biāo)記類的樣本，序列集合中余下的序列作為未標(biāo)記類的樣本。這種分類方法通常是基于一個(gè)特定的假設(shè)：已標(biāo)記類的樣本是完全樣本。可是實(shí)際情況往往不是這樣。根據(jù)不完全的初始類進(jìn)行EST序列分類將會(huì)導(dǎo)致類缺失，出現(xiàn)錯(cuò)誤的結(jié)果，而且還費(fèi)時(shí)費(fèi)力。

2、 針對(duì)這種問題，本論文采用了K—均值聚類和隱馬爾可夫模型相結(jié)合的方法，對(duì)EST序列進(jìn)行了聚類分析研究，其目的是對(duì)基于相似數(shù)據(jù)特征的EST序列進(jìn)行聚類和預(yù)測(cè)。該方法克服了K—均值和隱馬爾可夫模型兩種算法的缺陷，發(fā)揮了各自的優(yōu)勢(shì)所在。 論文首先是數(shù)據(jù)預(yù)處理，其次，對(duì)處理后的數(shù)據(jù)進(jìn)行K—均值聚類，獲得一個(gè)粗略的聚類；接著，應(yīng)用隱馬爾可夫模型其中的Baum—Welch算法對(duì)歸類的序列進(jìn)行訓(xùn)練，獲得每一類的隱馬爾可夫模型參數(shù)；之后，