基于數(shù)據(jù)挖掘的生物序列分析研究.pdf

1、生物序列分析是生物信息學(xué)的主要研究領(lǐng)域，其任務(wù)是從浩瀚的生物序列數(shù)據(jù)中發(fā)掘知識(shí)和揭示生命的奧秘。生物序列分析的主要研究?jī)?nèi)容包括序列比對(duì)、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、基因組序列分析等。本論文著重研究了雙序列比對(duì)算法和蛋白質(zhì)二級(jí)結(jié)構(gòu)的預(yù)測(cè)方法。 首先，論文詳細(xì)研究了序列比對(duì)方法，其中包括Needleman等人的動(dòng)態(tài)規(guī)劃(DP)比對(duì)算法、Smith-Waterman算法、以及部分多序列比對(duì)算法，并比較了各自的優(yōu)缺點(diǎn)。然后提出一種基于頻繁子序列SA

2、FSS(SequenceAlignmentbasedFrequentSub-Sequences)的比對(duì)方法。雖然DP算法通過(guò)復(fù)雜的數(shù)學(xué)計(jì)算可以獲得最優(yōu)或近似最優(yōu)的精確比對(duì)結(jié)果，但有可能忽略掉序列本身的生物意義。SAFSS嘗試從序列的生物學(xué)意義入手，比對(duì)中主要考察序列的高頻子序列而不是分離的單個(gè)字符，易于發(fā)現(xiàn)隱藏于序列之中的富含生物學(xué)意義的序列模式。與DP算法相比，SAFSS顯著降低了算法的空間復(fù)雜度，減少了計(jì)算量，具有較好的性能。

3、 論文的另一個(gè)研究主題是蛋白質(zhì)二級(jí)結(jié)構(gòu)的預(yù)測(cè)方法。在已有的算法中，重點(diǎn)研究了基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法并進(jìn)行了測(cè)試。研究中把對(duì)BP神經(jīng)網(wǎng)絡(luò)的一些常用改進(jìn)算法，如附加動(dòng)量法、自適應(yīng)學(xué)習(xí)率調(diào)整策略以及遺傳算法用于BP神經(jīng)網(wǎng)絡(luò)中，這些算法的應(yīng)用既避免了網(wǎng)絡(luò)陷入局部極小，同時(shí)還提高了系統(tǒng)的收斂速度和預(yù)測(cè)精度。其次，在蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)中采用了序列模式挖掘方法。在數(shù)據(jù)預(yù)處理中，主要考慮了氨基酸之間疏水特性鄰接關(guān)系進(jìn)行特征提取，因而提取的特征更能