蛋白質(zhì)序列模式發(fā)現(xiàn)算法.pdf

1、現(xiàn)代生物信息學(xué)是采用計(jì)算機(jī)技術(shù)和信息論方法研究生命科學(xué)中各種生物信息的表述、采集、儲存、傳遞、檢索、分析和解讀的科學(xué)。是現(xiàn)代生命科學(xué)與信息科學(xué)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)、統(tǒng)計(jì)學(xué)、物理學(xué)、化學(xué)等學(xué)科相互滲透和高度交叉形成的學(xué)科。 隨著生物數(shù)據(jù)量呈指數(shù)級增長，產(chǎn)生了新的交叉學(xué)科——計(jì)算生物學(xué)，由此給數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)等領(lǐng)域帶來了新的挑戰(zhàn)。計(jì)算生物學(xué)的研究內(nèi)容之一就是從蛋白質(zhì)序列預(yù)測蛋白質(zhì)結(jié)構(gòu)，從計(jì)算機(jī)技術(shù)角度看，這是一個分類預(yù)測問題

2、。而如何為分類問題建立一個有效并且高效的預(yù)測模型一直以來是數(shù)據(jù)挖掘領(lǐng)域，機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)領(lǐng)域研究的熱點(diǎn)。 序列比對是生物信息學(xué)研究的一個基本方法，尋求更快更靈敏的序列比對算法一直是生物信息學(xué)研究的熱點(diǎn)。本文給出了生物序列比對問題的定義，綜述了目前常用的各類比對算法，并對每一類算法的優(yōu)缺點(diǎn)以及應(yīng)用范圍進(jìn)行了分析，最后指出序列比對算法目前存在的問題以及未來的發(fā)展方向。 在蛋白質(zhì)序列的比對研究中，擁有相似模式的蛋白質(zhì)常常具有相

3、似的功能。通過已知的蛋白質(zhì)序列模式可以方便我們對新的蛋白質(zhì)序列的功能結(jié)構(gòu)進(jìn)行研究和確認(rèn)。本文嘗試在Pratt算法的基礎(chǔ)上引入模糊序列查找方法。能夠更好的從互不相關(guān)的蛋白質(zhì)序列集合中找出最具代表性的蛋白質(zhì)模式。 本文的主要工作如下：本文細(xì)致地研究了當(dāng)今國際上各種序列比對算法，系統(tǒng)地闡述了最具代表性的比對算法Smith-Waterman、BLAST、FASTA、并具體地分析了它們的優(yōu)缺點(diǎn)。對基于模式驅(qū)動的蛋白質(zhì)模式發(fā)現(xiàn)算法——Pra