基因組詞語(yǔ)構(gòu)成特性分析及應(yīng)用研究.pdf

1、近幾年來(lái)生物信息學(xué)主要關(guān)注了DNA序列上的數(shù)據(jù)特點(diǎn),利用DNA序列中的堿基信息去探索序列中的功能區(qū),挖掘序列中可能含有功能信息的潛在位點(diǎn),探索隱藏在堿基下的遺傳信息。本文目的在于挖掘出DNA序列中的功能詞語(yǔ)和功能信號(hào),但由于現(xiàn)階段對(duì)非編碼區(qū)表達(dá)信息知道的很少,因此對(duì)于更加準(zhǔn)確理解DNA序列有一定困難。
　　在本文中主要提出了條件隨機(jī)場(chǎng)模型作為序列切分的工具,與其他統(tǒng)計(jì)模型相比,它解決了標(biāo)記偏置的問(wèn)題,同時(shí)可以任意添加特征。首先是對(duì)

2、英文序列進(jìn)行分析,選取與語(yǔ)言無(wú)關(guān)的特征,最后發(fā)現(xiàn)改進(jìn)的信息熵包含的信息量最多。然后對(duì)添加了特征和標(biāo)記的英文的序列進(jìn)行切分,發(fā)現(xiàn)準(zhǔn)確率在90％以上，說(shuō)明基于條件隨機(jī)場(chǎng)的英文序列的切分是有效的,選取的特征有很好的切分效果。利用英文序列和DNA序列都是小字符集的特點(diǎn),同時(shí)經(jīng)過(guò)英文序列切分選取到好的與語(yǔ)言無(wú)關(guān)的特征。考慮遷移學(xué)習(xí)的思想,對(duì)英文序列和DNA序列的特征值進(jìn)行擬合分析,發(fā)現(xiàn)兩個(gè)樣本空間的特征值可以通過(guò)轉(zhuǎn)換函數(shù)連接起來(lái),對(duì)英文序列的特征

3、值經(jīng)過(guò)轉(zhuǎn)換函數(shù)處理后映射到DNA序列的樣本空間;同時(shí)考慮不采用遷移學(xué)習(xí),利用已有的位點(diǎn)信息來(lái)構(gòu)造模型進(jìn)行序列的切分,對(duì)兩者的序列切分的結(jié)果進(jìn)行比較,遷移學(xué)習(xí)的召回率在80%左右,而只基于已有位點(diǎn)的切分召回率只有40%左右,這說(shuō)明遷移學(xué)習(xí)對(duì)DNA序列切分的準(zhǔn)確性要比采用已有的位點(diǎn)信息進(jìn)行切分準(zhǔn)確的多。
　　最后研究DNA序列的詞序列應(yīng)用。通過(guò)采用向量空間模型和改進(jìn)的序列比對(duì)方法去計(jì)算人和黑猩猩序列的物種相似度,發(fā)現(xiàn)改進(jìn)的序列比對(duì)的方