基于遺傳神經(jīng)網(wǎng)絡的轉錄因子結合位點識別方法研究.pdf_第1頁
已閱讀1頁,還剩42頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、生物信息學中的一個重要研究內(nèi)容就是對基因轉錄調(diào)控的研究。轉錄因子結合位點的正確識別既是揭示轉錄因子功能的關鍵之一,又是理解基因轉錄調(diào)控機理的重要環(huán)節(jié)。轉錄因子是一種特異性DNA結合蛋白,它能夠識別一段特定的DNA序列(轉錄因子結合位點)并與之結合,進而調(diào)節(jié)DNA的代謝和轉錄。隨著對基因研究的不斷深入,為了更好地了解基因表達調(diào)控機制特別是轉錄調(diào)控機制,人們已經(jīng)開發(fā)了許多識別和預測轉錄因子結合位點的算法和軟件,但還有很多方面需要進一步完善和

2、加強。 作為模式識別的有力工具,神經(jīng)網(wǎng)絡具有良好的非線性逼近性和魯棒性,已經(jīng)被廣泛并成功地應用于序列分析中。BP神經(jīng)網(wǎng)絡的學習規(guī)則多采用梯度下降法,梯度下降法雖然速度快,但是卻容易陷入局部極小,導致其全局尋優(yōu)性能不高。遺傳算法具有可靠的全局搜索能力,它不依賴梯度信息,而是通過模擬自然進化過程來搜索最優(yōu)解。所以,本文結合遺傳算法與梯度下降法的優(yōu)點,設計了一種訓練神經(jīng)網(wǎng)絡權值的混合優(yōu)化算法,可以利用它來解決網(wǎng)絡學習初始權值的選取問題

3、。并將基于遺傳算法優(yōu)化的BP網(wǎng)絡模型用于轉錄因子結合位點識別問題上。實驗所需的數(shù)據(jù),本文利用Metlnspector打分方法結合一致性序列模型的方式來產(chǎn)生。根據(jù)一致性序列模型生成若干序列片段,然后利用Metlnspector打分函數(shù)打分,按分值比例選取試驗樣本。通過這種數(shù)據(jù)處理方式可以獲得更多更接近真實數(shù)據(jù)的實驗樣本,彌補轉錄因子結合位點數(shù)據(jù)量少的不足。 本文使用MATLAB語言來實現(xiàn)算法功能,對應于5組實驗數(shù)據(jù),分別構建了5個

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論