计算智能方法在生物信息学中的应用.pdf

摘要 随着人类基因组项目的完成，生命科学的主战场已经由“结构基因组学”转 移到“功能基因组学”。人类基因组项目和其它大规模测序项目带来生物学数据 的爆炸性增长，传统的实验确定方法已经远远不能满足需求。计算智能方法在处 理这类数据量大、含有噪声模式并且缺乏统一理论的领域有其独特的优势。该文 首先从历史、现状、意义、研究领域等方面介绍了生物信息学这门新兴学科。接 着对计算智能方法做出了定义，并概述了人工神经网络、隐马尔可夫模型、支撑 向量机、遗传算法这几种主要的计算智能方法。其中 BP 神经网络应用最为广泛， 且后面的章节主要应用该网络处理生物信息学中的几个问题，第二章先介绍了 BP 神经网络的发展历程，然后对其进行了详细的算法推导。接着的几个部分是 BP 神经网络在生物信息学几个重要领域的应用：第三章介绍了 BP 神经网络预 测蛋白质二级结构这个经典问题，对其最新研究进展和瓶颈问题也做了论述；第 四章用加了一竞争层的BP 网络进行蛋白质域结构类预测，相对于许多研究给出 的直线分类边界，我们采用BP 网络给出曲线分类边界，在采用同样数据集的情 况下，所提方法取得了更高的预测精度——自支持精度和 jack-knife 测试精度 97.62%，第一个测试集 87.50%，第二个测试集