2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩139頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)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(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著分子生物學(xué)的發(fā)展,特別是人類基因組計劃的順利完成,生命科學(xué)研究進(jìn)入后基因組時代。在這個時代,大量生物數(shù)據(jù)的積累為人們在分子水平探索生命的奧秘提供了寶貴的第一手資料,然而,海量生物數(shù)據(jù)的供給與現(xiàn)有數(shù)據(jù)分析能力之間的矛盾日益突出,生命科學(xué)的發(fā)展迫切需要自動的、高效的、可靠的數(shù)據(jù)分析和挖掘技術(shù),于是,一門以生命科學(xué)和計算機科學(xué)為基礎(chǔ)的嶄新的、擁有巨大發(fā)展?jié)摿Φ男聦W(xué)科逐漸興起,這就是生物信息學(xué)。 模式識別是一種利用計算機對輸入的數(shù)

2、據(jù)進(jìn)行分析,從而實現(xiàn)對研究對象的解釋、歸類、和鑒別分析,進(jìn)而揭示事物本質(zhì)的技術(shù)。在上世紀(jì)60-70年代模式識別技術(shù)得到快速的發(fā)展,并且逐漸在光學(xué)字符識別、語音識別和醫(yī)學(xué)數(shù)據(jù)分析方面得到成功應(yīng)用。近年來,模式識別技術(shù)也開始被用到生物數(shù)據(jù)分析中,并且在生命科學(xué)研究中扮演著越來越重要的角色,尤其是在基因識別、基因發(fā)現(xiàn)、motif識別、蛋白質(zhì)分類和識別、系統(tǒng)發(fā)育分析以及基因表達(dá)數(shù)據(jù)分析等多個研究領(lǐng)域日漸顯示出傳統(tǒng)實驗技術(shù)無法比擬的優(yōu)勢。但是由于

3、生物數(shù)據(jù)有其固有的特征,比如維數(shù)不固定、數(shù)據(jù)集中各類樣本嚴(yán)重不平衡,而且一種生物現(xiàn)象可以從多個角度進(jìn)行刻畫,這就給傳統(tǒng)模式識別技術(shù)在生物數(shù)據(jù)分析中的有效應(yīng)用帶來新的挑戰(zhàn)。本文的目標(biāo)是研究分析生物序列和基因表達(dá)數(shù)據(jù)的新算法,力求對生物數(shù)據(jù)進(jìn)行有效的刻畫和分析,從而更好地揭示隱藏在海量數(shù)據(jù)中的生命規(guī)律。 論文第一章首先回顧了生物信息學(xué)的發(fā)展歷史和模式識別技術(shù)在這一領(lǐng)域的應(yīng)用情況,然后給出論文章節(jié)的安排。第二章提出了一種預(yù)測蛋白質(zhì)序

4、列亞細(xì)胞定位的方法。第三章和第四章研究如何根據(jù)全基因組序列分析和推斷物種之間的進(jìn)化關(guān)系。第五章研究基因表達(dá)數(shù)據(jù)分析的問題。最后在第六章對論文進(jìn)行總結(jié),并提出今后的一些研究建議。 第二章提出了一種基于最優(yōu)局部信息融合的蛋白質(zhì)亞細(xì)胞定位預(yù)測方法。該方法基于蛋白質(zhì)合成過程的分選機制,從蛋白質(zhì)序列中搜索出一個最佳的分割位置,用以將一條完整的蛋白質(zhì)序列分割成分選信號和成熟蛋白質(zhì)序列兩個部分,然后分別從這兩條序列中提取相應(yīng)的特征,并且將這

5、兩種特征結(jié)合起來刻畫整條蛋白質(zhì)序列,最后設(shè)計基于支持向量機的融合分類器對蛋白質(zhì)亞細(xì)胞定位進(jìn)行預(yù)測。在公共蛋白質(zhì)序列數(shù)據(jù)集上的實驗結(jié)果表明,本章提出的方法能夠有效改進(jìn)蛋白質(zhì)亞細(xì)胞定位預(yù)測的效果,同時,在真核蛋白質(zhì)上找到的蛋白質(zhì)序列分割位點與真實的生物現(xiàn)象相符合,這能夠為預(yù)測蛋白質(zhì)的剪切位點提供有用參考信息。 第三章提出了一種基于譜聚類技術(shù)的系統(tǒng)發(fā)育樹重構(gòu)算法。該方法從全局的觀點出發(fā),采用分裂的策略,利用譜圖聚類方法(Spectr

6、al Graph Clustering,簡寫為SGC)研究物種之間的進(jìn)化關(guān)系。首先構(gòu)造一個距離矩陣,其中元素表示兩個物種之間的進(jìn)化距離,然后利用譜圖理論求解聚類問題,就是根據(jù)最大—最小準(zhǔn)則構(gòu)造劃分圖的最優(yōu)化問題,再通過解該矩陣的Laplace矩陣的特征值問題來求解最優(yōu)化問題,最后,根據(jù)最大特征值所對應(yīng)的特征向量將物種進(jìn)行分類。SGC算法在模擬數(shù)據(jù)上得到比鄰接法(Neighbor—joining,簡寫為NJ)更加準(zhǔn)確的結(jié)果,而在桿狀病毒基

7、因組數(shù)據(jù)集上推斷的系統(tǒng)發(fā)育樹,較好地支持目前公認(rèn)的分類結(jié)果。 第四章提出了一種基于全基因組信息融合的系統(tǒng)發(fā)育分析方法。首先定義了兩種新的基因組進(jìn)化距離度量:有序基因塊順序重排的編輯距離和共有基因一致性距離度量,然后通過一個線性模型將這兩種進(jìn)化信息與基因含量變化信息融合起來,構(gòu)造一個包含三種進(jìn)化信息的距離度量,最后根據(jù)這種綜合的距離度量推斷種群的系統(tǒng)發(fā)育樹。本章方法在模擬數(shù)據(jù)集上得到的實驗結(jié)果比采用單獨的進(jìn)化信息更加具有靈敏性,

8、尤其是對那些進(jìn)化距離比較短的物種,我們的方法能夠有效地刻畫它們之間的進(jìn)化關(guān)系;在虹彩病毒和痘病毒數(shù)據(jù)集上,得到的實驗結(jié)果與目前公認(rèn)的分類結(jié)果相吻合。 第五章提出了一個基因選擇模型:Integrate filter+wrapper。首先提出了四種用于評價基因重要性的標(biāo)準(zhǔn):信息增益、決策樹、局部可分性和Fisher Score,接著根據(jù)這四種標(biāo)準(zhǔn)分別對基因的重要性進(jìn)行排序,然后用每個基因的預(yù)測準(zhǔn)確率對它們進(jìn)行加權(quán),計算出每個基因重

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(quán)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(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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