人工神經(jīng)網(wǎng)絡(luò)在生物信息學(xué)中的應(yīng)用研究.pdf

1、基于生物、數(shù)學(xué)、化學(xué)、計(jì)算機(jī)科學(xué)、信息科學(xué)等學(xué)科知識(shí)，生物信息學(xué)是隨之產(chǎn)生的新興學(xué)科?，F(xiàn)今生物信息學(xué)研究的主要內(nèi)容包括基因組序列的分析、基因進(jìn)化、藥物設(shè)計(jì)、基因區(qū)域預(yù)測(cè)、基因功能預(yù)測(cè)以及蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)等。智能計(jì)算方法，如人工神經(jīng)網(wǎng)絡(luò)、隱馬爾可夫模型、支持向量機(jī)、遺傳算法等在處理這類數(shù)據(jù)量大、含有噪聲模式并且缺乏統(tǒng)一理論的領(lǐng)域有其獨(dú)特的優(yōu)勢(shì)。
　　本文第一章主要介紹了生物信息學(xué)的研究領(lǐng)域和一些不同的在線學(xué)習(xí)方法。分析了各種模型的優(yōu)勢(shì)

2、和不足，指出了改進(jìn)方向，揭示了本文的主要研究工作。
　　傳統(tǒng)的基因調(diào)控網(wǎng)絡(luò)模型，在面對(duì)時(shí)間和空間復(fù)雜度過于龐大的基因表達(dá)譜數(shù)據(jù)時(shí)，缺乏有效的求解方法。論文第二章，提出了一個(gè)基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建基因調(diào)控網(wǎng)絡(luò)的新模型。結(jié)合復(fù)雜非線性映射以及自學(xué)習(xí)能力方面的知識(shí)，該模型將BP神經(jīng)網(wǎng)絡(luò)映射成復(fù)雜網(wǎng)絡(luò)。然后通過統(tǒng)計(jì)、對(duì)比基于不同溫度下數(shù)據(jù)樣本構(gòu)建的網(wǎng)絡(luò)的參數(shù)，發(fā)現(xiàn)網(wǎng)絡(luò)的平均度、平均路徑長(zhǎng)、平均聚類系數(shù)、平均模塊數(shù)和平均圖密度等參數(shù)均有所不同

3、，這說明某些基因在不同的溫度下的表達(dá)數(shù)據(jù)確實(shí)發(fā)生了變化。通過計(jì)算基因在不同網(wǎng)絡(luò)中的度差，找出了與溫度相關(guān)的海膽差異表達(dá)基因。
　　第三章為了對(duì)蛋白質(zhì)序列進(jìn)行更精確合理地相似性分析，首先采用Wang andWang的方法把蛋白質(zhì)序列轉(zhuǎn)化為一條5-字母序列，并將5個(gè)字母均勻分布在以原點(diǎn)為圓心的單位圓周上，得到蛋白質(zhì)序列的位置坐標(biāo)。然后，結(jié)合氨基酸的3個(gè)理化指標(biāo)，進(jìn)而用一個(gè)5-維向量來表示一個(gè)氨基酸。最后，運(yùn)用自組織映射神經(jīng)網(wǎng)絡(luò)對(duì)不同的