基因間語義相似度計(jì)算研究.pdf

1、在生物學(xué)領(lǐng)域內(nèi)，為了避免因自然語言描述的二義性而產(chǎn)生的語義混亂，生物學(xué)家引入了本體論對生物學(xué)術(shù)語概念進(jìn)行規(guī)范化描述。本體論的引入促進(jìn)了學(xué)科內(nèi)領(lǐng)域知識(shí)的共享和生物信息處理技術(shù)（如基因自動(dòng)標(biāo)注等）的研究。目前，已經(jīng)有很多生物學(xué)本體被提出。其中，最引人注目的是1988年基因本體聯(lián)合會(huì)發(fā)起的基因本體(Gene Ontology, GO)項(xiàng)目，該項(xiàng)目旨在用基因本體對所有物種的生物數(shù)據(jù)庫中的基因產(chǎn)物進(jìn)行注解。作為一種結(jié)構(gòu)化的生物學(xué)術(shù)語語義詞典，基因

2、本體在生物學(xué)領(lǐng)域內(nèi)已經(jīng)得到了廣泛的應(yīng)用。其中，通過計(jì)算注釋基因的相似度來預(yù)測未知基因的功能是基因本體的一個(gè)重要應(yīng)用，這種方法不僅可以彌補(bǔ)傳統(tǒng)的依賴微陣列技術(shù)研究方法的不足，而且基因本體賦予基因產(chǎn)物豐富的語義信息可以提高生物學(xué)家對基因功能預(yù)測的準(zhǔn)確率和對基因功能的理解。因此，從GO出發(fā)，通過計(jì)算基因的語義相似性來研究基因的功能已經(jīng)成為對生物實(shí)驗(yàn)法分析基因功能的重要補(bǔ)充。
　　本文探討了國內(nèi)外基因語義相似性的研究現(xiàn)狀，研究了基因語義相

3、似度算法的分類方法。同時(shí)，對目前常用的兩種方法(成對比較法和組比較法)的四種典型模型（術(shù)語對，集合、圖和向量）及其優(yōu)缺點(diǎn)進(jìn)行了詳細(xì)介紹。組比較法往往會(huì)忽略術(shù)語間的語義關(guān)聯(lián)，而術(shù)語法是通過計(jì)算基因術(shù)語間的相似度來計(jì)算注釋基因的相似度，從而彌補(bǔ)了組比較法的缺陷。因此，本文研究的重點(diǎn)是術(shù)語法。主要研究內(nèi)容如下：
　　1.基因術(shù)語語義相似度研究
　　針對目前基因術(shù)語語義相似性度量方法的不足，充分考慮基因本體中所包含的語義信息，包括語

4、義密度、語義距離和語義層次，并借助Li等人提出的基于WordNet的詞匯語義相似度計(jì)算方法，本文提出了一種基于GO多語義因素的基因術(shù)語相似性度量方法。通過實(shí)驗(yàn)，并與其它方法進(jìn)行比較分析，結(jié)果證明本文的方法得到的結(jié)果精度更高。
　　2.基因語義相似度研究
　　在基因術(shù)語相似度計(jì)算研究的基礎(chǔ)上，通過引入基因術(shù)語概念細(xì)分程度的定義，改進(jìn)了Wang等人提出的基因相似度計(jì)算方法；另外，針對傳統(tǒng)向量空間模型存在的不足，將基因術(shù)語相似度計(jì)