基于神經(jīng)網(wǎng)絡(luò)的多叉系統(tǒng)進(jìn)化樹(shù)構(gòu)造.pdf

1、系統(tǒng)進(jìn)化樹(shù)的研究已經(jīng)有很長(zhǎng)的歷史，它在分子進(jìn)化與系統(tǒng)發(fā)育研究中起的作用也越來(lái)越大。系統(tǒng)進(jìn)化樹(shù)直觀的反映出生物進(jìn)化過(guò)程的順序，有助于我們了解生物進(jìn)化的歷史和進(jìn)化機(jī)制。傳統(tǒng)系統(tǒng)進(jìn)化樹(shù)的構(gòu)造分為兩類，即基于距離數(shù)據(jù)的構(gòu)造方法和基于特征數(shù)據(jù)的構(gòu)造方法。這些方法產(chǎn)生的都是二叉樹(shù)，二叉樹(shù)能夠直觀的描述序列兩兩間的關(guān)系，但對(duì)多個(gè)序列之間的關(guān)系描述不夠準(zhǔn)確；同時(shí)在構(gòu)造過(guò)程中Tie Tree問(wèn)題的頻繁出現(xiàn)，嚴(yán)重影響了進(jìn)化樹(shù)構(gòu)造的準(zhǔn)確性，這些都是困擾系統(tǒng)進(jìn)

2、化樹(shù)構(gòu)造的問(wèn)題。 在人工神經(jīng)網(wǎng)絡(luò)理論被大量應(yīng)用到生物信息學(xué)研究領(lǐng)域之后，大大推動(dòng)了系統(tǒng)進(jìn)化樹(shù)構(gòu)造方法研究進(jìn)一步發(fā)展，特別是無(wú)監(jiān)督自組織映射理論，為系統(tǒng)進(jìn)化分析提供了很好的理論基礎(chǔ)。近幾年，神經(jīng)網(wǎng)絡(luò)已經(jīng)在序列分析與序列比對(duì)領(lǐng)域得到了很好的應(yīng)用，取得了不錯(cuò)的效果，特別是在對(duì)海量序列數(shù)據(jù)的分析和處理噪音數(shù)據(jù)方面優(yōu)勢(shì)明顯。 本文圍繞現(xiàn)有構(gòu)樹(shù)算法中存在的問(wèn)題，利用神經(jīng)網(wǎng)絡(luò)原理，結(jié)合模式分類，提出一種新的稱為MSOT算法的系統(tǒng)進(jìn)化樹(shù)

3、構(gòu)造算法，該算法通過(guò)自身學(xué)習(xí)能力，挖掘序列內(nèi)在的關(guān)系，不局限于兩兩序列之間的對(duì)比，而是從整個(gè)序列組的角度出發(fā)，從整體上對(duì)序列進(jìn)行聚類，在此基礎(chǔ)上構(gòu)造進(jìn)化樹(shù)。通過(guò)這些方法解決了現(xiàn)有基于距離的構(gòu)樹(shù)過(guò)程中出現(xiàn)的Tie Tree問(wèn)題，同時(shí)解決了傳統(tǒng)方法只能生成二叉樹(shù)的缺點(diǎn)，使用多叉樹(shù)更加準(zhǔn)確的刻畫(huà)系統(tǒng)進(jìn)化。較好地解決了海量分子序列數(shù)據(jù)構(gòu)造系統(tǒng)進(jìn)化樹(shù)的問(wèn)題，提高構(gòu)造系統(tǒng)進(jìn)化樹(shù)的準(zhǔn)確率，為生物分子研究和生物進(jìn)化研究提供一種更加合理有效的依據(jù)。

4、 算法采用自組織神經(jīng)網(wǎng)絡(luò)對(duì)序列進(jìn)行分類，通過(guò)網(wǎng)絡(luò)節(jié)點(diǎn)的增長(zhǎng)生成進(jìn)化樹(shù)，同時(shí)還通過(guò)設(shè)置適當(dāng)?shù)膮?shù)，優(yōu)化進(jìn)化樹(shù)的分層及序列聚類。網(wǎng)絡(luò)既可以生成一棵完全多叉系統(tǒng)進(jìn)化樹(shù)，也可以通過(guò)設(shè)定收斂極限得到指定層數(shù)的中間樹(shù)，前者可以體現(xiàn)序列的整體結(jié)構(gòu)，后者可以較好地描述各個(gè)序列所代表物種的祖先之間的關(guān)系，這是傳統(tǒng)方法無(wú)法做到的。 通過(guò)計(jì)算機(jī)模擬對(duì)蛋白質(zhì)序列組的系統(tǒng)進(jìn)化樹(shù)構(gòu)造過(guò)程，驗(yàn)證了算法構(gòu)造多叉系統(tǒng)進(jìn)化樹(shù)的可行性，并驗(yàn)證了算法在克服Tie T