基于支持向量機的生物數(shù)據(jù)分析方法研究.pdf

1、近幾十年來，公共數(shù)據(jù)庫中的生物分子數(shù)據(jù)正以指數(shù)型的速度在增長。正是因為生物學對這些大量數(shù)據(jù)的處理和分析的需求，從而引發(fā)了生物信息學的誕生。它是利用數(shù)學、信息科學的理論、方法和技術去研究生物大分子以及它們的序列、結構和功能。在生物信息學中，機器學習方法已經(jīng)成為解決這些生物學問題的一個重要手段。本文的工作主要是研究了基于支持向量機的生物序列分類問題的預測方法，其主要的貢獻如下：
　　 在第二章，我們提出了一種預測擬南芥基因調(diào)控關系的

2、計算方法。利用已有的調(diào)控數(shù)據(jù)，我們構建了擬南芥基因調(diào)控關系的正、負樣本數(shù)據(jù)集。通過將基因表達譜數(shù)據(jù)和轉錄因子及其靶基因序列信息的結合，我們提出了一種新的特征向量來表示每一對基因轉錄調(diào)控關系。然后我們選用了支持向量機和夾克刀測試來驗證提出的方法。實驗的結果顯示，我們的方法取得了98.39％的準確度，94.88％的敏感度以及93.82％的特異性。
　　 在第三章，我們提出了一種新的偽氨基酸模型來預測凋亡蛋白的亞細胞定位問題。我們采用

3、了氨基酸的替換矩陣和協(xié)方差變換來提取蛋白質(zhì)的序列特征并構建其特征向量。這種表示方法不僅定量的描述了蛋白質(zhì)序列中氨基酸之間的差異性，而且考慮了部分氨基酸的序信息。通過與其他方法結果的比較，可以看出我們的方法達到了一個較好的預測精度。
　　 在第四章，我們構建了一個預測PCR擴增難易程度的數(shù)學模型。目前，對于PCR擴增問題大多數(shù)研究者主要關注的是實驗過程，包括引物的設計等等，而對于PCR模板的分析卻極為少見。在本文的研究中，我們主要