生物信息學(xué)中的模式發(fā)現(xiàn)算法研究.pdf

1、生物信息數(shù)據(jù)的快速增長(zhǎng)促使人們發(fā)展新的技術(shù)去認(rèn)識(shí)它，利用它。這是認(rèn)識(shí)世界，改造世界的必然途徑。生物信息學(xué)研究的對(duì)象是DNA序列、蛋白質(zhì)序列。motif是生命密碼的一種表現(xiàn)形式，因此利用多序列生物數(shù)據(jù)發(fā)現(xiàn)motif意義重大，它可以使我們發(fā)現(xiàn)基因表達(dá)的方式和原理。我們將混合模型應(yīng)用在motif發(fā)現(xiàn)過程中，提出了基于樣板候選集的生成方法，改進(jìn)了greedyEM算法。對(duì)于精確motif發(fā)現(xiàn)問題，提出了用motif家族樹的方式來(lái)減小模式空間，通過

2、候選篩的方法來(lái)減小比對(duì)次數(shù)的新算法。生命性狀是由基因決定，當(dāng)前基因如何決定性狀的研究已從單個(gè)基因決定作用轉(zhuǎn)向多個(gè)基因的協(xié)同作用研究。在分子水平上，DNA序列調(diào)控區(qū)的motif對(duì)DNA的轉(zhuǎn)錄翻譯起著重要作用，因此對(duì)調(diào)控區(qū)motif的關(guān)聯(lián)分析對(duì)研究基因表達(dá)有著重大意義和理論價(jià)值。本文針對(duì)兩個(gè)不同基因表達(dá)模式的起動(dòng)子motif關(guān)聯(lián)集差異進(jìn)行分析，提出了先建立FP-樹，然后建立字典樹森林進(jìn)行分析比較的有效算法。我們還給出了另外一個(gè)挖掘算法，該算