面向模體發(fā)現(xiàn)的智能算法研究.pdf

1、在模體發(fā)現(xiàn)研究中，目前研究主要集中在兩個領(lǐng)域中：一是基于蛋白質(zhì)不同家族的模體發(fā)現(xiàn)、一是基于蛋白質(zhì)同一家族不同子族的模體發(fā)現(xiàn)，而后者研究又是模體發(fā)現(xiàn)的難點。前者由于不同家族有著相同的功能，故模體之間有著十分明顯的差異，而后者由于同屬于同一家族，模體之間有著極大的相似性和極微的差異，并且這些差異又蘊藏在蛋白質(zhì)氨基酸序列的長鏈之中，因此問題的解決面臨著巨大的數(shù)據(jù)處理任務(wù)。如何能夠設(shè)計更優(yōu)化的算法解決大量的計算量，同時較準確地找到家族模體和基于

2、模體信息對序列進行家族分類是本論文著重要解決的問題。
　　 本論文基于酶蛋白家族中連接酶的子類進行研究，因為酶在蛋白質(zhì)家族起著十分重要的作用，負責(zé)給生物體提供能量和維持生物體所需要的物質(zhì)，相當于生物體的化工廠，同時連接酶的數(shù)據(jù)庫相對全面，首先從模體結(jié)構(gòu)特征入手，結(jié)合生物學(xué)理論，運用統(tǒng)計學(xué)等方法，抽取各子類的特征集合，然后對特征集合采用記憶鏈接方式，發(fā)現(xiàn)反映子類特征的模體，并據(jù)此對連接酶家族內(nèi)蛋白質(zhì)序列進行分類預(yù)測：研究模體特征，

3、設(shè)計有效的模體發(fā)現(xiàn)算法發(fā)現(xiàn)序列家族內(nèi)的軟模體；并在現(xiàn)有的免疫算法和模糊分類器的基礎(chǔ)之上，建立了基于免疫算法的模糊分類器，從而提高基于序列模體分類器的準確度和效率。具體而言，本論文主要研究工作有：
　　 從生物學(xué)理論出發(fā)分析蛋白質(zhì)家族氨基酸序列模體特征，設(shè)計模體編碼和統(tǒng)計模型從連接酶各子類中提取能夠表征各類的模體特征初始集合；結(jié)合模體特征，設(shè)計基于統(tǒng)計記憶庫的特征鏈接算法，將初始特征集中的短模體進行連接從而得到能夠表征各類模體集；

4、建立基于模體集的分類器對家族序列進行分類，從而驗證所得模體的性能。
　　 從模體結(jié)構(gòu)的角度出發(fā)，研究軟模體的結(jié)構(gòu)特征，建立適合智能算法的模體發(fā)現(xiàn)編碼策略和結(jié)構(gòu)函數(shù)。在此基礎(chǔ)上建立適應(yīng)度函數(shù)，從而引入適合模體發(fā)現(xiàn)的遺傳算法，挖掘結(jié)構(gòu)更加優(yōu)化的序列模體，并在AMP-binding domain signature的序列集，搜尋出該序列家族的模體。
　　 研究模糊分類器在模體發(fā)現(xiàn)上的運用特點（包含氨基酸種類模糊化、模體序列長度