基因組島識別算法研究及應用.pdf

1、基因組島是基因組中的特定區(qū)域片段，與水平基因轉移密切相關，具有特殊的結構，常常攜帶致病、耐藥及與適應性等功能相關的基因。通過基因組島在不同物種間的移動，可以造成相關基因的跨種屬傳播，這對物種進化和新功能獲得具有重要意義，也是目前微生物研究領域的熱點問題之一。本文主要圍繞基因組島的識別算法展開，系統(tǒng)地研究了預測方案中的信息提取、特征挑選和識別算法，主要內容安排如下：
　　1.綜述了基因組島預測中的信息提取方法，包含GC含量、遺傳密碼

2、子使用偏好性、k-mer頻率、tRNA個數(shù)、ORF的個數(shù)和重復片段個數(shù)等多種信息提取方法，重點介紹了Centroid，Alien_Hunter和Sighunt等基因組島識別算法。由于信息提取和識別算法是基因組島預測中的兩個關鍵因素，上述綜述為本文的后續(xù)研究提供了理論和實踐基礎。
　　2.提出一種基于雙樣本t檢驗的預測算法。首先，通過置信區(qū)間篩選了宿主的特征；再利用特征分布的峰度差異實現(xiàn)核心特征的挑選；最后，通過雙樣本t檢驗實現(xiàn)對窗

3、口的打分，結合顯著性檢驗方法構建了基因組島預測模型。本文以AUC為評價指標，系統(tǒng)地比較了不同的信息提取、特征挑選和打分方式對預測模型的影響。模擬實驗的結果表明，本文提出的基于峰度的特征挑選方法和雙樣本t檢驗的打分方式表現(xiàn)較好,其AUC值比其它方法至少高出5％。
　　3.提出一種基于多尺度檢驗的基因組島預測算法。首先，利用大規(guī)模的特征挑選方法，結合小尺度的t檢驗來量化序列片段的組分差異；再使用小規(guī)模的特征挑選方法篩選動態(tài)特征，結合大

4、尺度統(tǒng)計推斷，識別包含多窗口的組分異常片段；最后，聯(lián)合馬爾科夫熵和CG分割算法實現(xiàn)對基因組島的邊界重定位。本文對四組真實數(shù)據(jù)進行測試分析，并與現(xiàn)有的預測方法進行系統(tǒng)的比較。結果表明，本文提出的MTGIpick識別率與回收率更高，而且所預測基因組島長度與真實的也最接近。
　　4.實現(xiàn)了基于Java的圖形用戶界面（GUI）設計。簡述了GUI開發(fā)的基礎知識，詳細地介紹了MTGIpick軟件的設計過程，用戶可以根據(jù)自己的需求選擇算法及其對