基于數(shù)據(jù)挖掘的生物序列分析研究.pdf

1、生物序列分析是生物信息學的主要研究領域，其任務是從浩瀚的生物序列數(shù)據(jù)中發(fā)掘知識和揭示生命的奧秘。生物序列分析的主要研究內(nèi)容包括序列比對、蛋白質(zhì)結(jié)構(gòu)預測、基因組序列分析等。本論文著重研究了雙序列比對算法和蛋白質(zhì)二級結(jié)構(gòu)的預測方法。 首先，論文詳細研究了序列比對方法，其中包括Needleman等人的動態(tài)規(guī)劃(DP)比對算法、Smith-Waterman算法、以及部分多序列比對算法，并比較了各自的優(yōu)缺點。然后提出一種基于頻繁子序列SA

2、FSS(SequenceAlignmentbasedFrequentSub-Sequences)的比對方法。雖然DP算法通過復雜的數(shù)學計算可以獲得最優(yōu)或近似最優(yōu)的精確比對結(jié)果，但有可能忽略掉序列本身的生物意義。SAFSS嘗試從序列的生物學意義入手，比對中主要考察序列的高頻子序列而不是分離的單個字符，易于發(fā)現(xiàn)隱藏于序列之中的富含生物學意義的序列模式。與DP算法相比，SAFSS顯著降低了算法的空間復雜度，減少了計算量，具有較好的性能。

3、 論文的另一個研究主題是蛋白質(zhì)二級結(jié)構(gòu)的預測方法。在已有的算法中，重點研究了基于BP神經(jīng)網(wǎng)絡的預測方法并進行了測試。研究中把對BP神經(jīng)網(wǎng)絡的一些常用改進算法，如附加動量法、自適應學習率調(diào)整策略以及遺傳算法用于BP神經(jīng)網(wǎng)絡中，這些算法的應用既避免了網(wǎng)絡陷入局部極小，同時還提高了系統(tǒng)的收斂速度和預測精度。其次，在蛋白質(zhì)二級結(jié)構(gòu)預測中采用了序列模式挖掘方法。在數(shù)據(jù)預處理中，主要考慮了氨基酸之間疏水特性鄰接關系進行特征提取，因而提取的特征更能