版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、模體識別是生物信息學的重要研究領域。它通過尋找不同序列間的相似片段來歸結出這些序列片段中所蘊涵的特征模體,從而揭示生物序列數(shù)據(jù)中所蘊涵的生物學意義。最近的生物實驗表明,部分模體內部各位置之間存在明顯的相關性約束關系,但目前的很多算法卻沒有考慮模體內部的相關性約束。
本文首先介紹了課題背景,闡述了本課題的研究目的及意義,介紹了一些典型的模體識別算法。然后介紹了通過假設檢驗判斷模體內部位置間相關性約束的方法;將模體相關性約束加入到
2、Gibbs算法之中,實現(xiàn)了具有位置相關約束的Gibbs算法,該算法被命名為SimiMotif。該算法通過χ2檢驗和Fisher精確檢驗的運用,實現(xiàn)了模體內部位置相關性約束的判定,然后使用被命名為Simi_link的一維數(shù)組來表達模體內部的相關約束關系。算法利用PFW模型以及Simi_link來共同表達模體模型,通過新的Gibbs打分函數(shù)進行模體識別過程,并且能夠識別多個模體以及多個模體實例,選擇與背景最具顯著性差異的幾個模體輸出。然后本
3、文將二維相關性約束推廣到多維,提出MultMotif算法。最后將SimiMotif以及MultMotif算法和對應SimiMotif算法過程相同但是去掉相關約束部分的模體識別算法,分別進行了對Tompaetal.于05年提出的基準庫以及Sandveetal.于07年提出的基準庫這兩個基準測試庫上的測試,然后將SimiMotif以及MultMotif同已有的多種模體識別方法進行了比較。
實驗結果表明SimiMotif以及Mult
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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。
最新文檔
- 基于Gibbs抽樣和EM算法的生物保守序列motif識別.pdf
- 基于位置依賴性的Gibbs采樣模體發(fā)現(xiàn)算法.pdf
- 基于Gibbs抽樣的關聯(lián)規(guī)則挖掘研究.pdf
- 38850.正態(tài)雙卵模型的gibbs抽樣算法
- 基于混沌優(yōu)化的有約束預測控制算法的研究.pdf
- 基于有約束水平集演化的圖像分割算法研究.pdf
- 一種有約束的EIT圖像重構算法研究.pdf
- 基于Gibbs抽樣方法的可變參數(shù)GARCH模型研究及其應用.pdf
- 基于雙抽樣的測量流長度分布的算法研究.pdf
- 邊界約束下多項分布的極大似然估計與EM算法.pdf
- 5967.有約束條件優(yōu)化問題的mm算法
- 基于抽樣的分布式關聯(lián)規(guī)則挖掘算法.pdf
- 基于吉布斯采樣的模體識別算法研究.pdf
- 基于模糊聚類算法的無約束手寫體數(shù)字識別.pdf
- 有約束的多元模型的Minimax估計及多元正態(tài)分布熵的估計.pdf
- 基于聚類和團求精的模體識別算法.pdf
- 非同分布抽樣回歸學習算法.pdf
- 基于子圖支持度和分層抽樣的網(wǎng)絡模體發(fā)現(xiàn)算法研究.pdf
- DNA序列模體識別問題的迭代算法.pdf
- 生物網(wǎng)絡中大模體識別算法的研究.pdf
評論
0/150
提交評論