基于數(shù)據(jù)挖掘的生物序列分類研究.pdf

1、分類號!里三窆羔重慶郵電大學(xué)碩士學(xué)位論文碩士研究生煎疊生指導(dǎo)教師堂壟壘型絲蕉學(xué)科專業(yè)鹽差塑速周墊查論文提交日期至壘!壟生壘旦論文答辯日期壟Q!壟生墨旦壟魚旦論文評閱人2012年5月重慶郵電大學(xué)碩士論塞塑—————————_—_—-—-——_——————————————————————————_————-———_———————————————一一摘要隨著生物信息學(xué)的發(fā)展，生物醫(yī)學(xué)數(shù)據(jù)呈爆炸式的增長，目前已經(jīng)擁有數(shù)百個活動的生物醫(yī)學(xué)數(shù)據(jù)庫，

2、如何管理和分析這些海量的數(shù)據(jù)已成為研究的重點。數(shù)據(jù)挖掘技術(shù)用于發(fā)現(xiàn)大量數(shù)據(jù)所隱含的有價值的信息，是目前最有效的數(shù)據(jù)分析手段。生物序列數(shù)據(jù)是生物醫(yī)學(xué)研究的主要內(nèi)容之一，通過對其進(jìn)行分析，研究者不僅能夠理解已有的序列，而且能夠更好地研究新穎的序列及其所擁有的功能，解讀序列在它所在的生物體中所充當(dāng)?shù)慕巧?，進(jìn)而更好地理解生命的本質(zhì)。本文主要針對生物序列分類技術(shù)領(lǐng)域中的兩個重要的研究方面：生物序列的分類分析和和異常檢測。生物序列分類分析能夠為未知

3、標(biāo)號的生物序列指定其所屬的類別，進(jìn)而預(yù)測它的功能以及與其它生物序列之間的相互關(guān)系，以輔助生物分子中的基因識別和預(yù)測蛋白質(zhì)的結(jié)構(gòu)等。異常檢測可視為一類特殊的分類問題，生物序列中的異常主要是指突變或是一種疾病的特征，生物序列異常檢測有助于發(fā)現(xiàn)突變，了解疾病產(chǎn)生的條件，分析疾病產(chǎn)生的機理，為疾病的診斷和治療提供依據(jù)。生物序列是由字符組成的序列數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)主要適用于數(shù)值屬性和分類屬性的數(shù)據(jù)，難以直接應(yīng)用于序列數(shù)據(jù)。針對上述問題，本文

4、使用滑動窗口技術(shù)抽取子序列，并計算子序列在訓(xùn)練序列集中出現(xiàn)的頻率，然后將頻率值作為序列的特征映射到連續(xù)空間中，該方法有效地解決了傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)難以處理序列數(shù)據(jù)的問題?；谵D(zhuǎn)換后的數(shù)據(jù)，本文給出了一種新的基于支持向量機的生物序列分類算法，通過對蛋白質(zhì)序列的分類實驗驗證了該算法的有效性。在生物序列異常檢測技術(shù)中，相似性是生物序列異常檢測的基礎(chǔ)，相似性度量的好壞將直接影響生物序列異常檢測的結(jié)果。生物醫(yī)學(xué)研究表明，生物異常序列普遍的特點是其