利用貝葉斯統(tǒng)計(jì)建立生物信息學(xué)模型.pdf

1、南開大學(xué)碩士學(xué)位論文利用貝葉斯統(tǒng)計(jì)建立生物信息學(xué)模型姓名：蔣青松申請學(xué)位級別：碩士專業(yè)：概率論與數(shù)理統(tǒng)計(jì)指導(dǎo)教師：沈世鎰200403011前言生物信息學(xué)(Bioinformatics)是一門相當(dāng)年輕的學(xué)科，它是伴隨著八九十年代計(jì)算機(jī)技術(shù)的迅猛發(fā)展，同時(shí)得以獲得自身的發(fā)展的。無論從理論上來講還是從現(xiàn)實(shí)情況來看，生物信息學(xué)的實(shí)質(zhì)就是利用計(jì)算機(jī)科學(xué)和網(wǎng)絡(luò)技術(shù)來解決生物學(xué)問題。二十世紀(jì)尤其是末期，生物科學(xué)技術(shù)的迅猛發(fā)展，無論從數(shù)量上還是從質(zhì)量上

2、，都極大地豐富了生物科學(xué)的數(shù)據(jù)資源，數(shù)據(jù)資源的急劇膨脹首先迫使我們不得不考慮尋求一種強(qiáng)有力的工具去組織他們，以利于對已知生物學(xué)知識的儲(chǔ)存和進(jìn)一步加工利用。大量多樣化的生物學(xué)數(shù)據(jù)資源中必然蘊(yùn)含著大量重要的生物學(xué)規(guī)律，這些規(guī)律是我們解決許多生命問題的關(guān)鍵所在，然而繼續(xù)沿用傳統(tǒng)手段以人腦來分析如此龐雜的數(shù)據(jù)實(shí)在是太困難了1人們同樣需要尋求一種強(qiáng)有力的工具去協(xié)助人腦完成這些分析工作?？梢哉f，伴隨著二十一世紀(jì)的到來，生物科學(xué)的重點(diǎn)和潛在的突破點(diǎn)已

3、經(jīng)由二十世紀(jì)的試驗(yàn)分析和數(shù)據(jù)積累轉(zhuǎn)移到數(shù)據(jù)分析及其指導(dǎo)下的試驗(yàn)驗(yàn)證上來，生物科學(xué)也正在經(jīng)歷著一個(gè)從分析還原思維到系統(tǒng)整合思維的轉(zhuǎn)變。因此，我們所尋求的那種強(qiáng)有力的數(shù)據(jù)處理分析工具就成為未來生物科學(xué)的關(guān)鍵所在：與此同時(shí)，伴隨著生物科學(xué)這一需求的加劇，以數(shù)據(jù)處理分析為本質(zhì)的計(jì)算機(jī)科學(xué)技術(shù)和網(wǎng)絡(luò)技術(shù)同樣獲得了突飛猛進(jìn)的進(jìn)展，自然就成為生物科學(xué)家的必然選擇，計(jì)算機(jī)科學(xué)技術(shù)和網(wǎng)絡(luò)技術(shù)日益滲透到生物科學(xué)的方方面面，1“7嶄新的、擁有巨大發(fā)展?jié)摿Φ纳?/p>

4、物信息學(xué)也就發(fā)展和成熟起來了!而生物信息學(xué)一生物科學(xué)與計(jì)算科學(xué)的融合體一就成為下一代生物科學(xué)研究的重要工具。隨著生物信息學(xué)發(fā)展到今天，我們已經(jīng)掌握了大量的關(guān)于生物微觀結(jié)構(gòu)層面的信息，特別是DNA序列和蛋白質(zhì)建立了相應(yīng)的數(shù)據(jù)庫，如Genebank和PDB，但關(guān)于這一領(lǐng)域還缺乏一套在分子水平上理解生命組織的系統(tǒng)理論。于是退而求其次，利用龐大的數(shù)據(jù)庫通過推理、模型匹配或者樣本學(xué)習(xí)在數(shù)據(jù)中自動(dòng)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法應(yīng)運(yùn)而生，機(jī)器學(xué)習(xí)方法正是適合

5、這類數(shù)據(jù)量大、含有噪聲模式并且缺乏統(tǒng)一理論的領(lǐng)域，關(guān)于機(jī)器學(xué)習(xí)方法的統(tǒng)一理論體系就是用于建模和推斷的貝葉斯概率體系。在接下來的敘述中，本文先是討論了原始數(shù)據(jù)的處理問題，簡單說明在通過一些譬如對數(shù)據(jù)組賦權(quán)重和減少數(shù)據(jù)冗余度的工作后，得到新的數(shù)據(jù)組，這種新的數(shù)據(jù)組是更加“自然的”和更有代表性的。接著運(yùn)用統(tǒng)計(jì)學(xué)中的貝葉斯決策的理論，首先討論了建立生物模型的理論框架，分析了在建立模型的過程中起主要作用的先驗(yàn)概率的選擇問題和數(shù)據(jù)似然度的計(jì)算問題，