基因序列聚類和分類研究.pdf

1、隨著現(xiàn)代生物技術(shù)的不斷發(fā)展特別是基因組計劃的實施，人們不斷獲取大量的基因序列數(shù)據(jù)，準確、高效的對基因序列數(shù)據(jù)進行分析并挖掘出隱藏在其中的對人類有用的信息是非常必要的。聚類和分類技術(shù)正是能夠?qū)Υ罅炕驍?shù)據(jù)進行分析的技術(shù)。本文著重研究基因序列數(shù)據(jù)中的聚類和分類算法。 K-均值聚類算法是一種常用的聚類算法，它采用重復(fù)再分配類成員，使同一個類成員之間分散度最小的方法來獲得最佳聚類結(jié)果。本文提出了一種基于隱馬爾可夫模型的二次K-均值基因序

2、列聚類算法，引入了同源基因序列核苷酸比率趨向于一致的生物學特征來對基因序列數(shù)據(jù)量化并進行初次K-均值聚類，再將第一次聚類結(jié)果作為輸入訓練出表征序列特征的隱馬爾可夫模型，最后采用基于模型的K-均值方法聚類，使得算法具有較好的聚類正確率。 在研究了微生物基因核苷酸分布規(guī)律的基礎(chǔ)上，本文提出了一種使用微生物遺傳特征來進行基因序列聚類的方法。首先從每條基因序列中劃分出若干個等差長度的采樣片斷，然后利用各采樣片斷的遺傳特征值來作為基因序列

3、聚類的依據(jù)。這是一種相對靈敏而且客觀和可信度高的分類方法，試驗結(jié)果表明該方法是可行的并且具有較好的聚類效果。 在對基因序列進行分類的過程中如果訓練樣本種類不全，那么用常規(guī)分類方法進行基因序列的分類就會出現(xiàn)類缺失的情況。針對這個問題本文利用基因序列獨特的排列及結(jié)構(gòu)特征提出了多個新的與模型相關(guān)的度量方法，通過模型間距離矩陣獲得的閥值動態(tài)調(diào)整分類的個數(shù)，這樣就克服了人為假設(shè)已標記類個數(shù)為實際類個數(shù)的局限性，減少了訓練樣本種類不全對模型