識別含有Poly（A）位點(diǎn)模式植物序列的方法與應(yīng)用研究.pdf

1、伴隨著各種基因組測序計劃的展開和分子結(jié)構(gòu)測定技術(shù)的突破，目前生物學(xué)界已經(jīng)積累了大量關(guān)于基因的數(shù)據(jù)，這就要求生物學(xué)家使用新的生物信息分析算法和工具來分析和處理不斷膨脹的數(shù)據(jù)，充分使用這些信息。因此數(shù)據(jù)挖掘技術(shù)在用于基因功能預(yù)測和發(fā)現(xiàn)新基因方面有著巨大的潛力。而本文研究的就是通過數(shù)據(jù)挖掘?qū)π蛄羞M(jìn)行聚類，通過聚類識別含有poly(A)位點(diǎn)的序列，作為基因表達(dá)數(shù)據(jù)研究的第一步。 本論文提出了一個基于自組織映射網(wǎng)絡(luò)模型(Self-Orga

2、nizing Map，簡稱SOM)的模式植物擬南芥poly(A)位點(diǎn)識別的方法。自組織映射網(wǎng)絡(luò)是模糊聚類分析中廣泛使用的一種無監(jiān)督學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它通過自組織方式用大量的訓(xùn)練樣本數(shù)據(jù)來調(diào)整網(wǎng)絡(luò)的權(quán)值，使用SOM得出的可視化結(jié)果能更直觀地判斷序列含有位點(diǎn)的情況。本文基于課題組對擬南芥的研究成果，運(yùn)用數(shù)理統(tǒng)計方法分析和提取擬南芥poly(A)位點(diǎn)上下游周圍序列順式作用元件的特征，而后得到序列特征的數(shù)值編碼作為分類算法的輸入；然后選用SOM網(wǎng)

3、絡(luò)來建立poly(A)位點(diǎn)識別的高維測試模型，該模型可依據(jù)訓(xùn)練結(jié)果，對待測序列中可能含有位點(diǎn)的片斷進(jìn)行模糊聚類，從而判斷其中含有位點(diǎn)的情況；而且本模型還可應(yīng)用于對位點(diǎn)的精確定位；最后使用測試數(shù)據(jù)對模型進(jìn)行評估。其中，通過聚類圖判別未知序列是否含有位點(diǎn)或含有多個位點(diǎn)的情況是模型最突出的優(yōu)點(diǎn)。 測試實驗的結(jié)果得出Sn為91.13％，證明了本文所提出的基于SOM模型對植物poly(A)位點(diǎn)進(jìn)行識別的方法的可行性和有效性，并應(yīng)用于大通量