基因組島識(shí)別算法研究及應(yīng)用.pdf

1、基因組島是基因組中的特定區(qū)域片段，與水平基因轉(zhuǎn)移密切相關(guān)，具有特殊的結(jié)構(gòu)，常常攜帶致病、耐藥及與適應(yīng)性等功能相關(guān)的基因。通過基因組島在不同物種間的移動(dòng)，可以造成相關(guān)基因的跨種屬傳播，這對(duì)物種進(jìn)化和新功能獲得具有重要意義，也是目前微生物研究領(lǐng)域的熱點(diǎn)問題之一。本文主要圍繞基因組島的識(shí)別算法展開，系統(tǒng)地研究了預(yù)測(cè)方案中的信息提取、特征挑選和識(shí)別算法，主要內(nèi)容安排如下：
　　1.綜述了基因組島預(yù)測(cè)中的信息提取方法，包含GC含量、遺傳密碼

2、子使用偏好性、k-mer頻率、tRNA個(gè)數(shù)、ORF的個(gè)數(shù)和重復(fù)片段個(gè)數(shù)等多種信息提取方法，重點(diǎn)介紹了Centroid，Alien_Hunter和Sighunt等基因組島識(shí)別算法。由于信息提取和識(shí)別算法是基因組島預(yù)測(cè)中的兩個(gè)關(guān)鍵因素，上述綜述為本文的后續(xù)研究提供了理論和實(shí)踐基礎(chǔ)。
　　2.提出一種基于雙樣本t檢驗(yàn)的預(yù)測(cè)算法。首先，通過置信區(qū)間篩選了宿主的特征；再利用特征分布的峰度差異實(shí)現(xiàn)核心特征的挑選；最后，通過雙樣本t檢驗(yàn)實(shí)現(xiàn)對(duì)窗

3、口的打分，結(jié)合顯著性檢驗(yàn)方法構(gòu)建了基因組島預(yù)測(cè)模型。本文以AUC為評(píng)價(jià)指標(biāo)，系統(tǒng)地比較了不同的信息提取、特征挑選和打分方式對(duì)預(yù)測(cè)模型的影響。模擬實(shí)驗(yàn)的結(jié)果表明，本文提出的基于峰度的特征挑選方法和雙樣本t檢驗(yàn)的打分方式表現(xiàn)較好,其AUC值比其它方法至少高出5％。
　　3.提出一種基于多尺度檢驗(yàn)的基因組島預(yù)測(cè)算法。首先，利用大規(guī)模的特征挑選方法，結(jié)合小尺度的t檢驗(yàn)來量化序列片段的組分差異；再使用小規(guī)模的特征挑選方法篩選動(dòng)態(tài)特征，結(jié)合大

4、尺度統(tǒng)計(jì)推斷，識(shí)別包含多窗口的組分異常片段；最后，聯(lián)合馬爾科夫熵和CG分割算法實(shí)現(xiàn)對(duì)基因組島的邊界重定位。本文對(duì)四組真實(shí)數(shù)據(jù)進(jìn)行測(cè)試分析，并與現(xiàn)有的預(yù)測(cè)方法進(jìn)行系統(tǒng)的比較。結(jié)果表明，本文提出的MTGIpick識(shí)別率與回收率更高，而且所預(yù)測(cè)基因組島長(zhǎng)度與真實(shí)的也最接近。
　　4.實(shí)現(xiàn)了基于Java的圖形用戶界面（GUI）設(shè)計(jì)。簡(jiǎn)述了GUI開發(fā)的基礎(chǔ)知識(shí)，詳細(xì)地介紹了MTGIpick軟件的設(shè)計(jì)過程，用戶可以根據(jù)自己的需求選擇算法及其對(duì)