模式識別在生物信息學(xué)中的應(yīng)用.pdf

1、模式識別是人類的一項(xiàng)基本能力。隨著1946年真正意義上的第一臺計(jì)算機(jī)的出現(xiàn)以及50年代人工智能的興起，科學(xué)家當(dāng)然也期待著能使用計(jì)算機(jī)來代替或擴(kuò)展人類的部分腦力勞動。模式識別在20世紀(jì)60年代初迅速發(fā)展并成為一門新興學(xué)科，這門學(xué)科專注于一些實(shí)例來解決給定問題，而每一個(gè)實(shí)例中都存在著若干的與該給定問題相關(guān)的特性。這些給定問題包括聚類，即無監(jiān)督學(xué)習(xí);分類，即監(jiān)督學(xué)習(xí);降維，即結(jié)合或選擇某些特征達(dá)到一個(gè)更有用的表征狀態(tài)等。在生物信息學(xué)中運(yùn)用模式

2、識別算法是非常普遍的。本文基于哈佛大學(xué)Reshef教授提出的最大信息系數(shù)即MIC(Maximal Information Coefficient)以及非編碼RNA的模式識別中的分類器算法，重點(diǎn)研究如何利用模式識別中的一些算法準(zhǔn)確高效地解決生物信息學(xué)中的某些復(fù)雜問題。
　　1)相似性度量是模式識別中的一個(gè)重要概念，為了識別的合理性，必須描述樣本之間的親疏遠(yuǎn)近程度?？坍嫎颖军c(diǎn)之間的親疏遠(yuǎn)近程度需要用到關(guān)聯(lián)函數(shù)，而MIC就是相似系數(shù)函數(shù)

3、的一類。2011年底，哈佛大學(xué)的Reshef教授在著名的科學(xué)雜志《Science》上發(fā)表了一篇論文，提出了MIC，MIC捕捉由多種因素驅(qū)動的復(fù)雜關(guān)系。然而，在我們基于生物信息數(shù)據(jù)的計(jì)算后發(fā)現(xiàn)，MIC的實(shí)現(xiàn)軟件MINE(MaximalInformation-based Nonparametric Exploration)并不總是收斂于真正的MIC值，精度只有30％左右，并且在數(shù)學(xué)上具有很大的退化性。因此，本文為了方便MIC的準(zhǔn)確計(jì)算，開發(fā)

4、了一種實(shí)現(xiàn)算法名為SIG(Simulated annealing，Interpolation and Genetic)，即模擬退火、插值、遺傳優(yōu)化，并基于Markov理論證明了SIG算法的收斂性，推廣了該算法在生物信息上的應(yīng)用。
　　2)非編碼RNA(Non-eoding RNA)是指不編碼蛋白質(zhì)的RNA，ncRNA的發(fā)現(xiàn)和功能注釋已經(jīng)成為生物信息學(xué)最新研究的熱點(diǎn)和難點(diǎn)。然而，全基因組ncRNA的高精度及高覆蓋度識別依然具有很大的