仿生計算在生物信息學(xué)中的應(yīng)用.pdf

1、在過去的幾年間，計算機仿生計算在生命科學(xué)和醫(yī)學(xué)的各個領(lǐng)域愈來愈起著前所未有的重要作用。計算機在序列分析中的應(yīng)用，掀起了生物信息學(xué)的第一個高潮，但這個方面至今還有許多重要的問題尚未解決，其中的一個重要原因是計算的速度和效率還不能滿足數(shù)據(jù)處理的需要。 隨著基因組和其它測序項目的不斷進展，研究的重點正逐步從積累數(shù)據(jù)轉(zhuǎn)移到如何來解釋這些數(shù)據(jù)。生物學(xué)的新發(fā)現(xiàn)將極大地依賴我們在多個維度和不同尺度下對多樣化數(shù)據(jù)進行組合和關(guān)聯(lián)的分析能力。

2、 在數(shù)據(jù)量呈幾何級數(shù)增長的情況下，生物信息的存儲、獲取、聯(lián)網(wǎng)、處理和瀏覽以及可視化等方面，都對理論、算法和軟件的發(fā)展提出了迫切的需求。 計算機科學(xué)也從生命系統(tǒng)中獲得啟示，通過對生命活動的分析和模仿，產(chǎn)生了許多新的概念，包括：遺傳算法、人工神經(jīng)網(wǎng)絡(luò)、計算機病毒和人造免疫系統(tǒng)、DNA計算、人工生命。這樣的學(xué)科交叉豐富了各個相關(guān)領(lǐng)域，將在未來的歲月中得到進一步的發(fā)展。 在本文中，結(jié)合生物信息學(xué)中的應(yīng)用，我們使用了基于生物啟發(fā)

3、的仿生計算方法，如遺傳算法，覆蓋算法，蟻群算法等。這些構(gòu)成了一個有趣的循環(huán)，從生命中來，到生命中去，這是本論文的研究特色和中心任務(wù)。 在本文中，我們以分子生物學(xué)的核心定律——中心法則為框架，簡要介紹了生物信息學(xué)研究所牽涉到的生物學(xué)概念，對生物信息學(xué)的研究內(nèi)容、研究方法作了概要的介紹。著重研究了生物信息學(xué)的一個重要研究對象蛋白質(zhì)的性質(zhì)和特點，以及蛋白質(zhì)研究的結(jié)構(gòu)分類方法；介紹了蛋白質(zhì)結(jié)構(gòu)研究的現(xiàn)狀，綜合研究和分析了蛋白質(zhì)研究中所采

4、用的各種方法的技術(shù)特點。同時對微陣列基因芯片的原理和作用給予扼要的介紹。 本文具體分析了人工神經(jīng)網(wǎng)絡(luò)中的一種——FP神經(jīng)網(wǎng)絡(luò)的覆蓋算法，討論了它的原理、特性，并提出了一種貪婪覆蓋算法，通過加州大學(xué)爾灣分校(UCI)所提供的機器學(xué)習(xí)數(shù)據(jù)集進行測試，驗證了其有效性，并把它具體應(yīng)用于蛋白質(zhì)二級結(jié)構(gòu)的劃分和基于基因芯片的疾病分類。 蛋白質(zhì)二級結(jié)構(gòu)是蛋白質(zhì)分析的重要一環(huán)，是對更高級蛋白質(zhì)結(jié)構(gòu)進行分析的基礎(chǔ)研究。對蛋白質(zhì)二級結(jié)構(gòu)，我

5、們對它的序列編碼作了仔細的研究，比較了各種編碼方法的特點，采用了一種包含遺傳信息特點的profile編碼方法。在此基礎(chǔ)上，針對該問題的特點，用覆蓋算法進行了分類的研究。 微陣列是基因分析和疾病診斷的一個重要分析工具，它具有數(shù)據(jù)量大而復(fù)雜的特點。我們對數(shù)據(jù)的特征進行了研究，先采用t統(tǒng)計法，剔除其中無用的數(shù)據(jù)，然后用覆蓋算法進行分類，并與采用其它技術(shù)的分類方法對結(jié)果作了比較分析。 遺傳算法是一種使用廣泛，具有很強適應(yīng)性的算法

6、，尤其適應(yīng)于可用序列表示的問題的優(yōu)化。而我們的研究對象蛋白質(zhì)正好是由氨基酸組成的序列，我們提出了一種具有二維變異算子和附加操作的遺傳算法應(yīng)用于蛋白質(zhì)結(jié)構(gòu)的二維HP模型分析，根據(jù)二維HP折疊模型的特點，采用了便于保持蛋白質(zhì)優(yōu)良折疊結(jié)構(gòu)的局部(相對)坐標(biāo)表示方法，設(shè)計了適合于此模型的變異算子，給出了求解優(yōu)化結(jié)構(gòu)的方法和步驟，分析了所得結(jié)果的特點。 另一種生物啟發(fā)的算法——蟻群算法，是近年來一個熱門的研究領(lǐng)域，它在諸如TSP(旅行商)

7、問題、網(wǎng)絡(luò)路由等領(lǐng)域已經(jīng)獲得了滿意的結(jié)果。我們給出了使用它來獲取三維蛋白質(zhì)簡化模型優(yōu)化結(jié)構(gòu)的思路和構(gòu)建方法，提出了基于矩陣的快速坐標(biāo)系統(tǒng)的“右手法則”轉(zhuǎn)換方法，減少了計算的時間，為提高優(yōu)化速度，防止過早收斂，給出了三種局部搜索的辦法；針對蛋白質(zhì)折疊過程中容易出現(xiàn)死鎖的問題，提出了一種解決自回避無效構(gòu)像的方法，并對三維折疊時的一些特有情況進行了細致的分析，設(shè)計了能減少計算規(guī)模的一些措施。綜合這些步驟，對三維HP折疊進行了優(yōu)化，取得了較好的