基于神經(jīng)網(wǎng)絡(luò)的多叉系統(tǒng)進化樹構(gòu)造.pdf

1、系統(tǒng)進化樹的研究已經(jīng)有很長的歷史，它在分子進化與系統(tǒng)發(fā)育研究中起的作用也越來越大。系統(tǒng)進化樹直觀的反映出生物進化過程的順序，有助于我們了解生物進化的歷史和進化機制。傳統(tǒng)系統(tǒng)進化樹的構(gòu)造分為兩類，即基于距離數(shù)據(jù)的構(gòu)造方法和基于特征數(shù)據(jù)的構(gòu)造方法。這些方法產(chǎn)生的都是二叉樹，二叉樹能夠直觀的描述序列兩兩間的關(guān)系，但對多個序列之間的關(guān)系描述不夠準確；同時在構(gòu)造過程中Tie Tree問題的頻繁出現(xiàn)，嚴重影響了進化樹構(gòu)造的準確性，這些都是困擾系統(tǒng)進

2、化樹構(gòu)造的問題。 在人工神經(jīng)網(wǎng)絡(luò)理論被大量應用到生物信息學研究領(lǐng)域之后，大大推動了系統(tǒng)進化樹構(gòu)造方法研究進一步發(fā)展，特別是無監(jiān)督自組織映射理論，為系統(tǒng)進化分析提供了很好的理論基礎(chǔ)。近幾年，神經(jīng)網(wǎng)絡(luò)已經(jīng)在序列分析與序列比對領(lǐng)域得到了很好的應用，取得了不錯的效果，特別是在對海量序列數(shù)據(jù)的分析和處理噪音數(shù)據(jù)方面優(yōu)勢明顯。 本文圍繞現(xiàn)有構(gòu)樹算法中存在的問題，利用神經(jīng)網(wǎng)絡(luò)原理，結(jié)合模式分類，提出一種新的稱為MSOT算法的系統(tǒng)進化樹

3、構(gòu)造算法，該算法通過自身學習能力，挖掘序列內(nèi)在的關(guān)系，不局限于兩兩序列之間的對比，而是從整個序列組的角度出發(fā)，從整體上對序列進行聚類，在此基礎(chǔ)上構(gòu)造進化樹。通過這些方法解決了現(xiàn)有基于距離的構(gòu)樹過程中出現(xiàn)的Tie Tree問題，同時解決了傳統(tǒng)方法只能生成二叉樹的缺點，使用多叉樹更加準確的刻畫系統(tǒng)進化。較好地解決了海量分子序列數(shù)據(jù)構(gòu)造系統(tǒng)進化樹的問題，提高構(gòu)造系統(tǒng)進化樹的準確率，為生物分子研究和生物進化研究提供一種更加合理有效的依據(jù)。

4、 算法采用自組織神經(jīng)網(wǎng)絡(luò)對序列進行分類，通過網(wǎng)絡(luò)節(jié)點的增長生成進化樹，同時還通過設(shè)置適當?shù)膮?shù)，優(yōu)化進化樹的分層及序列聚類。網(wǎng)絡(luò)既可以生成一棵完全多叉系統(tǒng)進化樹，也可以通過設(shè)定收斂極限得到指定層數(shù)的中間樹，前者可以體現(xiàn)序列的整體結(jié)構(gòu)，后者可以較好地描述各個序列所代表物種的祖先之間的關(guān)系，這是傳統(tǒng)方法無法做到的。 通過計算機模擬對蛋白質(zhì)序列組的系統(tǒng)進化樹構(gòu)造過程，驗證了算法構(gòu)造多叉系統(tǒng)進化樹的可行性，并驗證了算法在克服Tie T