基于智能算法的DNA聚類研究及應用.pdf

1、隨著現(xiàn)代生物技術的不斷發(fā)展特別是人類基因組計劃的實施，人們不斷獲取大量的基因序列數(shù)據(jù)。面對如此大量的基因序列數(shù)據(jù)，只有很少一部分基因我們己經(jīng)知道它們的功能，而大部分基因的功能還是未知的。數(shù)據(jù)挖掘中的聚類技術正是能夠?qū)Υ罅炕驍?shù)據(jù)進行分析的技術。通過聚類技術將這些基因序列進行聚類，得到一些聚在一起的類。由于同一類中的基因序列具有相似的功能，這樣我們就可以利用同一類中己知功能的基因推測同一類中未知功能基因的功能。目前生物信息領域的研究中，聚

2、類分析已經(jīng)得到了廣泛的應用。其中生物序列聚類的關鍵問題就是如何刻畫序列間的相似性。而生物序列數(shù)據(jù)本身的線性排列表示有時難以體現(xiàn)序列間的相似程度，使得在某些情況下，一些相似性度量失效，從而影響了聚類結果的質(zhì)量。所以如果完全從序列本身出發(fā)設計相似性度量，將不能得到符合真實生物學觀測的聚類結果，為DNA序列的進化研究帶來了一定的困難。伴隨著 DNA序列圖形表達的研究的深入，Randic等人首先提出利用DNA序列的圖形表達來研究序列的聚類問題的

3、思想。本文利用這種思想，借助 DNA序列的圖形表達所抽取的數(shù)學特征對序列進行聚類。本文參考已有的基于堿基對稱性的DNA序列的二維圖形表達方法，做了相應的改進，提出一種新的圖形表達的方法。使得改進后的圖形表達方法更加節(jié)省空間，而且能夠更加清楚的體現(xiàn)出 DNA序列的生物學特征。利用這種方法，把每個 DNA序列按照三組映射規(guī)則，轉化成三條二維曲線，然后從曲線中提取特征矩陣，最后利用矩陣的不變量對DNA序列進行聚類研究，這樣，一條 DNA序列就

4、被轉化成一個多維數(shù)據(jù)對象。因此，對DNA序列的聚類問題就轉化成對多維數(shù)據(jù)的聚類了。
　　現(xiàn)有的對多維數(shù)據(jù)進行聚類的常用聚類算法，通常需要事先給定聚類數(shù) k。但在大多數(shù)情況下，聚類數(shù) k事先無法確定，因此需要對最佳聚類數(shù) k進行優(yōu)化處理。本文采用基于微粒群算法的聚類算法。為了解決微粒群聚類算法無法確定聚類數(shù) k的現(xiàn)象，通過k均值算法的引入，實現(xiàn)最佳聚類數(shù) k的求解和聚類有效性函數(shù)的構造，試驗證明引入類間距離的聚類有效性檢測函數(shù)對最佳