基于吉布斯采樣的模體識別算法研究.pdf

1、生物序列中的模體對DNA的轉(zhuǎn)錄、翻譯起著重要作用，因此對生物序列中模體的識別具有重大意義和理論價值，模體識別問題成為了生物信息學(xué)研究領(lǐng)域的熱點(diǎn)問題之一。
　　 目前，已經(jīng)有很多行之有效的算法被用來解決模體識別問題，例如YMF算法，MEME 算法和隨機(jī)投影算法等。1993年，Chip Lawrence和他的同事們率先使用吉布斯采樣算法來識別生物DNA序列中的模體。由于吉布斯采樣算法的敏感性和快速收斂性，該方法成為目前啟發(fā)式識別模體

2、的有效方法之一。
　　 本文首先闡述了模體識別問題的定義，分析了常用的模體表示模型，并且對基于不同模體模型的幾種已有模體識別算法進(jìn)行了分析和比較。針對這些傳統(tǒng)算法中有的基于窮舉搜索，非常耗時，有的容易陷入局部最優(yōu)，無法找到全局最佳模體等缺陷，本文基于經(jīng)典吉布斯采樣算法，提出了一種新的改進(jìn)算法進(jìn)行模體識別。此改進(jìn)算法依據(jù)模體間蘊(yùn)涵的依賴關(guān)系，建立了高階背景模型；首次結(jié)合運(yùn)用了隨機(jī)投影的思想，舍棄了隨機(jī)策略構(gòu)造的初始訓(xùn)練集，代之以投