基于潛在語(yǔ)義分析的真核啟動(dòng)子識(shí)別.pdf

1、基因識(shí)別是指采用生物學(xué)實(shí)驗(yàn)或計(jì)算機(jī)等手段來(lái)識(shí)別DNA序列上的具有生物學(xué)特征的片段，是生物信息學(xué)的一個(gè)重要分支。啟動(dòng)子是DNA序列上的一段重要的基因調(diào)控序列，標(biāo)志著轉(zhuǎn)錄起始點(diǎn)的位置，可以用來(lái)定位基因。本文研究的啟動(dòng)子識(shí)別算法是一種基因識(shí)別工具，能在DNA序列中找出基因的大體位置，為生物學(xué)實(shí)驗(yàn)提供參考。潛在語(yǔ)義索引廣泛應(yīng)用于文本挖掘，本文嘗試將潛在語(yǔ)義索引應(yīng)用于真核生物啟動(dòng)子的識(shí)別算法中，提出了基于潛在語(yǔ)義索引全局模型和差異模型的啟動(dòng)子識(shí)別

2、算法，并與文獻(xiàn)結(jié)果進(jìn)行了比較。最后，利用拉普拉斯矩陣的特征值分析了DNA序列集之間的相似性，將其應(yīng)用于啟動(dòng)子識(shí)別算法的樣本選擇和評(píng)價(jià)中，取得了良好的結(jié)果。
　　 本文從潛在語(yǔ)義索引的原理分析出發(fā)，提出了一種基于潛在語(yǔ)義索引全局模型的啟動(dòng)子識(shí)別算法，通過(guò)實(shí)驗(yàn)驗(yàn)證了潛在語(yǔ)義索引能起到有效的降維和分類作用。對(duì)多種影響算法的因素進(jìn)行了詳細(xì)分析，總結(jié)歸納出了全局模型的特點(diǎn)和不足。在此基礎(chǔ)上，本文又提出了一種應(yīng)用潛在語(yǔ)義差異模型進(jìn)行啟動(dòng)子識(shí)

3、別的算法，通過(guò)實(shí)驗(yàn)驗(yàn)證了差異模型識(shí)別啟動(dòng)子的有效性，分析了表示方法和閾值等參數(shù)對(duì)于算法的影響，并總結(jié)了差異模型相對(duì)于全局模型的優(yōu)點(diǎn)。本文提出了一種新的分離度概念，通過(guò)分析拉普拉斯的特征值來(lái)度量各種DNA序列集的相似程度。人工序列和多組真實(shí)數(shù)據(jù)的實(shí)驗(yàn)表明，這種相似性度量是有效的。最后，通過(guò)將該度量方法應(yīng)用于啟動(dòng)子識(shí)別的樣本選擇和評(píng)價(jià)中，證實(shí)了分離度高的樣本識(shí)別效果更好。
　　 本文創(chuàng)新點(diǎn)如下：
　　 (1)提出了基于潛在語(yǔ)