仿生計算在生物信息學中的應用.pdf

1、在過去的幾年間，計算機仿生計算在生命科學和醫(yī)學的各個領域愈來愈起著前所未有的重要作用。計算機在序列分析中的應用，掀起了生物信息學的第一個高潮，但這個方面至今還有許多重要的問題尚未解決，其中的一個重要原因是計算的速度和效率還不能滿足數(shù)據(jù)處理的需要。 隨著基因組和其它測序項目的不斷進展，研究的重點正逐步從積累數(shù)據(jù)轉移到如何來解釋這些數(shù)據(jù)。生物學的新發(fā)現(xiàn)將極大地依賴我們在多個維度和不同尺度下對多樣化數(shù)據(jù)進行組合和關聯(lián)的分析能力。

2、 在數(shù)據(jù)量呈幾何級數(shù)增長的情況下，生物信息的存儲、獲取、聯(lián)網(wǎng)、處理和瀏覽以及可視化等方面，都對理論、算法和軟件的發(fā)展提出了迫切的需求。 計算機科學也從生命系統(tǒng)中獲得啟示，通過對生命活動的分析和模仿，產(chǎn)生了許多新的概念，包括：遺傳算法、人工神經(jīng)網(wǎng)絡、計算機病毒和人造免疫系統(tǒng)、DNA計算、人工生命。這樣的學科交叉豐富了各個相關領域，將在未來的歲月中得到進一步的發(fā)展。 在本文中，結合生物信息學中的應用，我們使用了基于生物啟發(fā)

3、的仿生計算方法，如遺傳算法，覆蓋算法，蟻群算法等。這些構成了一個有趣的循環(huán)，從生命中來，到生命中去，這是本論文的研究特色和中心任務。 在本文中，我們以分子生物學的核心定律——中心法則為框架，簡要介紹了生物信息學研究所牽涉到的生物學概念，對生物信息學的研究內容、研究方法作了概要的介紹。著重研究了生物信息學的一個重要研究對象蛋白質的性質和特點，以及蛋白質研究的結構分類方法；介紹了蛋白質結構研究的現(xiàn)狀，綜合研究和分析了蛋白質研究中所采

4、用的各種方法的技術特點。同時對微陣列基因芯片的原理和作用給予扼要的介紹。 本文具體分析了人工神經(jīng)網(wǎng)絡中的一種——FP神經(jīng)網(wǎng)絡的覆蓋算法，討論了它的原理、特性，并提出了一種貪婪覆蓋算法，通過加州大學爾灣分校(UCI)所提供的機器學習數(shù)據(jù)集進行測試，驗證了其有效性，并把它具體應用于蛋白質二級結構的劃分和基于基因芯片的疾病分類。 蛋白質二級結構是蛋白質分析的重要一環(huán)，是對更高級蛋白質結構進行分析的基礎研究。對蛋白質二級結構，我

5、們對它的序列編碼作了仔細的研究，比較了各種編碼方法的特點，采用了一種包含遺傳信息特點的profile編碼方法。在此基礎上，針對該問題的特點，用覆蓋算法進行了分類的研究。 微陣列是基因分析和疾病診斷的一個重要分析工具，它具有數(shù)據(jù)量大而復雜的特點。我們對數(shù)據(jù)的特征進行了研究，先采用t統(tǒng)計法，剔除其中無用的數(shù)據(jù)，然后用覆蓋算法進行分類，并與采用其它技術的分類方法對結果作了比較分析。 遺傳算法是一種使用廣泛，具有很強適應性的算法

6、，尤其適應于可用序列表示的問題的優(yōu)化。而我們的研究對象蛋白質正好是由氨基酸組成的序列，我們提出了一種具有二維變異算子和附加操作的遺傳算法應用于蛋白質結構的二維HP模型分析，根據(jù)二維HP折疊模型的特點，采用了便于保持蛋白質優(yōu)良折疊結構的局部(相對)坐標表示方法，設計了適合于此模型的變異算子，給出了求解優(yōu)化結構的方法和步驟，分析了所得結果的特點。 另一種生物啟發(fā)的算法——蟻群算法，是近年來一個熱門的研究領域，它在諸如TSP(旅行商)

7、問題、網(wǎng)絡路由等領域已經(jīng)獲得了滿意的結果。我們給出了使用它來獲取三維蛋白質簡化模型優(yōu)化結構的思路和構建方法，提出了基于矩陣的快速坐標系統(tǒng)的“右手法則”轉換方法，減少了計算的時間，為提高優(yōu)化速度，防止過早收斂，給出了三種局部搜索的辦法；針對蛋白質折疊過程中容易出現(xiàn)死鎖的問題，提出了一種解決自回避無效構像的方法，并對三維折疊時的一些特有情況進行了細致的分析，設計了能減少計算規(guī)模的一些措施。綜合這些步驟，對三維HP折疊進行了優(yōu)化，取得了較好的