利用贝叶斯统计建立生物信息学模型.pdfVIP

摘 要 在生物信息学的研究过程中，往往会伴随着大量的DNA和蛋白质数 据，对于这些数据如何处理就变得十分必要，为此目的人们发展了很多的 方法。在]’[文中指出，如果假设数据具有某种随机分布，可以通过贝叶 斯 (Bayes)统计方法利用获得的数据建立关于DNA和蛋白质中核普酸和 氨基酸分布的概率模型，通过一些经验约束条件谨慎选择先验分布并计算 在其条件下所获得数据的似然度，我们就可以求得模型参数的最大后验 概率估计(MAP)或者其它估计比如最大似然估计和后验概率均值估计。 最后利用这样的建模方法讨论了两个较为典型的模型:般子模型和隐马 氏(HMM)模型。本文主要的工作就是运用贝叶斯决策方法详细讨论了建 模的主要过程和步骤，仔细分析了两个典型模型，做了大量的计算和证 明，对[4]文作了重要补充和改进。 c贝叶斯统计，数据似然度，先验分布.后验分布，最大后验 概率估计，般子模型，隐马氏模型 Abstract IntheresearchprocessofBioinformatics,TherearelotsofDNAdata andproteindata,Sohowtodealwiththesed