基因間語義相似度計算研究.pdf

1、在生物學領域內(nèi)，為了避免因自然語言描述的二義性而產(chǎn)生的語義混亂，生物學家引入了本體論對生物學術語概念進行規(guī)范化描述。本體論的引入促進了學科內(nèi)領域知識的共享和生物信息處理技術（如基因自動標注等）的研究。目前，已經(jīng)有很多生物學本體被提出。其中，最引人注目的是1988年基因本體聯(lián)合會發(fā)起的基因本體(Gene Ontology, GO)項目，該項目旨在用基因本體對所有物種的生物數(shù)據(jù)庫中的基因產(chǎn)物進行注解。作為一種結構化的生物學術語語義詞典，基因

2、本體在生物學領域內(nèi)已經(jīng)得到了廣泛的應用。其中，通過計算注釋基因的相似度來預測未知基因的功能是基因本體的一個重要應用，這種方法不僅可以彌補傳統(tǒng)的依賴微陣列技術研究方法的不足，而且基因本體賦予基因產(chǎn)物豐富的語義信息可以提高生物學家對基因功能預測的準確率和對基因功能的理解。因此，從GO出發(fā)，通過計算基因的語義相似性來研究基因的功能已經(jīng)成為對生物實驗法分析基因功能的重要補充。
　　本文探討了國內(nèi)外基因語義相似性的研究現(xiàn)狀，研究了基因語義相

3、似度算法的分類方法。同時，對目前常用的兩種方法(成對比較法和組比較法)的四種典型模型（術語對，集合、圖和向量）及其優(yōu)缺點進行了詳細介紹。組比較法往往會忽略術語間的語義關聯(lián)，而術語法是通過計算基因術語間的相似度來計算注釋基因的相似度，從而彌補了組比較法的缺陷。因此，本文研究的重點是術語法。主要研究內(nèi)容如下：
　　1.基因術語語義相似度研究
　　針對目前基因術語語義相似性度量方法的不足，充分考慮基因本體中所包含的語義信息，包括語

4、義密度、語義距離和語義層次，并借助Li等人提出的基于WordNet的詞匯語義相似度計算方法，本文提出了一種基于GO多語義因素的基因術語相似性度量方法。通過實驗，并與其它方法進行比較分析，結果證明本文的方法得到的結果精度更高。
　　2.基因語義相似度研究
　　在基因術語相似度計算研究的基礎上，通過引入基因術語概念細分程度的定義，改進了Wang等人提出的基因相似度計算方法；另外，針對傳統(tǒng)向量空間模型存在的不足，將基因術語相似度計