基于基因表達譜數(shù)據(jù)和氨基酸序列的特征提取方法研究.pdf

1、人類基因組計劃實施以來已積累了海量的生物序列數(shù)據(jù)。隨著現(xiàn)代生物技術(shù)的快速發(fā)展,高通量檢測工具日趨完善,后基因組研究的瓶頸已不再是生物序列數(shù)據(jù)的產(chǎn)生和獲取,而是如何對現(xiàn)有的生物序列數(shù)據(jù)進行有效的信息挖掘和分析。只有利用新的、有效的數(shù)據(jù)挖掘和分析工具才能從海量的生物學(xué)數(shù)據(jù)中提煉出有用的生物學(xué)知識,才能弄清楚它們所蘊含的結(jié)構(gòu)和功能信息,進而徹底了解它們所表達的生物學(xué)意義。
　　模式識別技術(shù)是揭示核酸和蛋白質(zhì)序列數(shù)據(jù)中所蘊含的生物學(xué)意義的

2、基本方法之一。其出發(fā)點是找出不同序列間的相似片段,從而歸結(jié)出序列片段中蘊含的特征模式,進而推斷出該特征模式與已知的結(jié)構(gòu)和功能之間的內(nèi)在聯(lián)系。對于基因表達譜數(shù)據(jù)而言,模式識別就是利用基因的數(shù)據(jù)分布特征信息找出相關(guān)的特征基因。對于蛋白質(zhì)序列而言,模式識別就是利用蛋白質(zhì)序列的某些特征模式識別相關(guān)蛋白質(zhì)的性質(zhì)。本文通過生物信息學(xué)領(lǐng)域三個比較熱點的問題介紹了自己在這方面的相關(guān)研究和工作。
　　特征基因提取方法對腫瘤檢測來說已經(jīng)成為當(dāng)今研究腫

3、瘤分子診斷的熱點,但由于基因表達譜數(shù)據(jù)存在維數(shù)過高、樣本量很小以及噪音很大等特點,使得腫瘤特征基因選擇成為一件有挑戰(zhàn)性的工作。本章提出一種新的尋找特征基因的方法,首先基于區(qū)間間隔或覆蓋比的方法來初步選出一些特征基因,而后刪掉其中的冗余基因,達到以最少的基因數(shù)得到更高的分類準(zhǔn)確率。實驗采用了三種腫瘤樣本集來驗證新算法的有效性。針對這三個樣本集,只要2或3個特征基因就能得到100％的5-折交叉驗證識別準(zhǔn)確率。
　　基于氨基酸序列的特征

4、向量提取方法對研究蛋白質(zhì)的結(jié)構(gòu)和功能有著重要的作用。不論在原核生物還是真核生物中,信號肽幾乎控制著所有蛋白質(zhì)的分泌途徑,為此它的發(fā)現(xiàn)對現(xiàn)代細(xì)胞生物學(xué)研究有著重大的影響。在建立它的特征向量時,在偽氨基酸模型的基礎(chǔ)上加入了局部氨基酸信息,使實驗結(jié)果有了很大的提高,整體預(yù)測結(jié)果達到了97%以上。在其剪切點的判斷問題上考慮到數(shù)據(jù)的不平衡性,對位置權(quán)矩陣進行了改進,結(jié)果也有所改善。酶作為一種重要的生物催化劑在生物代謝過程中扮演著非常重要的角色,并