2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩119頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、非編碼RNA的研究是目前生物信息學(xué)領(lǐng)域最重要的課題之一。步入21世紀(jì)以來(lái),關(guān)于非編碼RNA的研究連續(xù)獲得Science評(píng)選的年度十大科學(xué)突破,并在2006年獲得了諾貝爾生物或醫(yī)學(xué)獎(jiǎng)。越來(lái)越多的生物信息學(xué)研究人員致力于從已有的測(cè)序數(shù)據(jù)中挖掘非編碼RNA,并分析其功能。但目前的挖掘方法還存在挖掘效率低、假陽(yáng)性高、無(wú)法發(fā)現(xiàn)新家族等缺憾。因此,本文從分析RNA的結(jié)構(gòu)出發(fā),結(jié)合并改進(jìn)分類學(xué)習(xí)方法,對(duì)非編碼RNA挖掘中的若干關(guān)鍵問(wèn)題進(jìn)行深入的研究。

2、
  本文的主要內(nèi)容包括:
  (1)提出處理生物信息學(xué)中普遍存在的訓(xùn)練樣本不平衡的分類方法。
  生物信息學(xué)中存在大量的正反例不平衡的學(xué)習(xí)問(wèn)題,這是由于現(xiàn)實(shí)分布的特點(diǎn),另一方面也由于獲得正例花費(fèi)的成本遠(yuǎn)遠(yuǎn)高于反例。本文提出一種處理正反例不平衡的分類方法,以解決生物信息學(xué)中的snoRNA識(shí)別、microRNA前體判別、SNP位點(diǎn)的真?zhèn)巫R(shí)別等問(wèn)題。本文方法利用集成學(xué)習(xí)的思想,將反例集均勻分割并依次與正例集組合,得到一組類

3、別平衡的訓(xùn)練集;然后對(duì)每個(gè)訓(xùn)練集采用不同原理的分類器進(jìn)行訓(xùn)練;最后投票表決待測(cè)樣本。為了避免弱分類器影響投票效果,本文結(jié)合AdaBoost思想,將每個(gè)分類器訓(xùn)練中產(chǎn)生的錯(cuò)誤樣本加入到下兩個(gè)分類器的訓(xùn)練集中,這種做法既避免了AdaBoost的反復(fù)訓(xùn)練,又有效地利用了投票機(jī)制遏制了弱分類器的影響。五組UCI測(cè)試數(shù)據(jù)和三組生物信息學(xué)實(shí)驗(yàn)證明了本方法在處理類別不平衡的分類問(wèn)題時(shí)的優(yōu)越性。此外,本文還開(kāi)發(fā)了基于該方法的軟件libID,以方便廣大同

4、行使用。
  (2)提出RNA二級(jí)結(jié)構(gòu)的“質(zhì)心”表示方法和基于它的二級(jí)結(jié)構(gòu)預(yù)測(cè)算法。
  目前RNA的各種二級(jí)結(jié)構(gòu)表示方法,均不能快速地衡量?jī)蓚€(gè)RNA分子二級(jí)結(jié)構(gòu)的相似程度。針對(duì)該問(wèn)題本文提出“質(zhì)心”的概念來(lái)描述 RNA分子中各個(gè)莖區(qū)的位置,并且衍生出“質(zhì)心距”、“D函數(shù)”等概念來(lái)進(jìn)一步刻畫(huà)莖區(qū)之間、二級(jí)結(jié)構(gòu)之間的相似程度?;谶@種快速衡量二級(jí)結(jié)構(gòu)相似程度的方法,本文分別對(duì)比較序列分析法和最小自由能方法做出改進(jìn)。對(duì)于比較序列

5、分析法,提出一套獨(dú)立于多序列比對(duì)的預(yù)測(cè)算法;對(duì)于最小自由能法,結(jié)合RNA的類別信息,進(jìn)一步提高預(yù)測(cè)效果。
  (3)對(duì)目前挖掘microRNA的兩種思路進(jìn)行了研究,并深入的分析和討論了其中的部分關(guān)鍵問(wèn)題。
  同源比對(duì)和從頭預(yù)測(cè)是目前挖掘microRNA的兩種思路。同源比對(duì)方法是目前的主要方法,本文提出一種基于關(guān)鍵字樹(shù)的比對(duì)搜索算法,提高了搜索的精度同時(shí)又降低了期望時(shí)間開(kāi)銷。將本文的方法分別應(yīng)用于大豆和家蠶上均取得了較好的效

6、果。從頭預(yù)測(cè)方法基于機(jī)器學(xué)習(xí)思想,是未來(lái)的發(fā)展方向,它有利于發(fā)現(xiàn)新家族,不過(guò)成熟體定位問(wèn)題一直是該方法的瓶頸。本文從兩個(gè)角度對(duì)該問(wèn)題進(jìn)行了深入的探討,取得了較準(zhǔn)確的結(jié)果。盡管沒(méi)有完全解決該瓶頸,但為該問(wèn)題的深入研究奠定了基礎(chǔ)。
  (4)結(jié)合本文提出的二級(jí)結(jié)構(gòu)預(yù)測(cè)算法和樣本類別不平衡的分類算法,挖掘snoRNA。
  目前的snoRNA挖掘方法大都是基于靶標(biāo)信息的。隨著“孤兒”snoRNA等新的功能性snoRNA的發(fā)現(xiàn),獨(dú)立

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論