基于新型特征的基因識(shí)別方法研究.pdf

1、人類基因組以及多種模式生物的作圖和測(cè)序工作的快速進(jìn)展，預(yù)示了后基因組學(xué)時(shí)代的到來，同時(shí)也帶來了大量的基因數(shù)據(jù)。生物信息學(xué)為高效地處理這些數(shù)據(jù)提供了重要理論支持。基因識(shí)別是生物信息學(xué)的關(guān)鍵組成部分，大量的算法被應(yīng)用于解決基因識(shí)別問題。但是仍有一些問題沒有得到有效地解決，比如真核生物短基因識(shí)別。本論文主要致力于人類短基因編碼區(qū)識(shí)別算法的研究。
　　 有效地對(duì)生物信息進(jìn)行提取是基因識(shí)別算法的性能保證。在論文中，我們嘗試從新的途徑來提取

2、生物信息。首先將終止密碼子相位分布信息與堿基偏性信息相結(jié)合，提出兩個(gè)混合性質(zhì)特征。接著將用于蛋白質(zhì)序列信息提取的偽氨基酸組成特征引入到DNA中，給出了一組偽堿基組成特征，該特征可以提取不同位置上堿基間的相互作用信息。將改進(jìn)的終止密碼子變量和兩個(gè)混合性質(zhì)特征進(jìn)行識(shí)別時(shí)，取得較理想的效果。特別當(dāng)序列長(zhǎng)度為192bp時(shí)，識(shí)別效果達(dá)到92.73％。同時(shí)本文提出的一個(gè)15維特征向量，其中包含混合特征、偽堿基組成特征和其他統(tǒng)計(jì)特征等。同樣在序列長(zhǎng)度

3、為192bp時(shí)，基于該特征向量的方法識(shí)別效果達(dá)到95.65％。由此可得，混合兩種性質(zhì)的特征提取方式以及偽堿基組成特征能有效地提高編碼區(qū)識(shí)別精度。
　　 在基因識(shí)別中，識(shí)別方法的選擇對(duì)識(shí)別效果的影響很大。為了在短基因編碼區(qū)識(shí)別中獲得更高的精確度，必須選擇精細(xì)的模型，徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)是一個(gè)較理想的選擇。為了解決神經(jīng)網(wǎng)絡(luò)中可能存在的記憶變形和記憶丟失問題，結(jié)合K-均值的聚類結(jié)果和樣本類別標(biāo)記，獲得一些啟發(fā)式信息。并給出基于啟發(fā)式信息