基于隐马尔科夫模型的DNA序列分类方法.pdfVIP

计 算 机 系 统 应 用 http：llwww．c-S-a．org．cn 2014年 第23卷 第 7期 基于隐马尔科夫模型的DNA序列分类方法① 郭彦明，陈黎飞，郭躬德 (福建师范大学 数学与计算机科学学院，福州 350007) 摘 要：DNA序列分类是生物信息学的一项基础任务，目的是根据结构或功能的相似性预测DNA序列所属的类 别．为进行有效分类，如何将序列映射到特征向量空间并最大程度地保留序列中蕴含的碱基间顺序关系是一项 困难的任务．为克服现有方法容易导致因DNA序列碱基残缺而影响分类精度等问题，提出一种新的DNA序列特 征表示方法．新方法首先为每条序YU~)II练一个隐马尔科夫模型(HMM)，然后将 DNA序列投影到由HMM 状态转 移概率矩阵的特征向量构成的向量空问中．基于这种新的特征表示法，构造了一种 K-NN分类器对 DNA序列进 行分类．实验结果表明，新型特征表示方法可以较为完整地保留 DNA序列中不同碱基问的关系，充分反映序列 的结构信息，从而有效提高了序列的分类精度． 关键词 ：DNA序列；分类；特征表示；隐马尔科夫模型；特征值分解 DNA SequenceClassificationM ethodBasedonHiddenM arkovM odel GUOYan—M ing，CHEN Li·Fei，GUO Gong—De (SchoolofMathematicsandComputerScience，FujianNormalUniversity,Fuzhou350007，China) Abstract：DNA sequenceclassificationisabasictaskofbioinofrmatics，whichaimsatpredictingthecategoryofDNA sequencesintermsoftheirstructuralorfunctionalsimil~iyt．Inordertoperform aneffectiveclassification，howtomap thesequencesintoafeautrevectorspacewhileretainingthechronologicalrelationshipshiddeninthesequencesasmuch aspossibleiscu~entlyadifficulttask．Toaddresstheproblemsofexistingmethods，whicheasilyresultinaffectingthe classificationaccuracybecauseofincompleterepresentationofthenucleotidesinDNA sequences，inthispaper,anew feautrerepresentationmethodforDNA sequenceisproposed．Inhtenew method，first，eachsequenceisusedtotraina HiddenMarkovModel(HMM)；then，theDNAsequencesareprojectedontoavectorspacespannedbytheeigenvectors ofhteHMM statetransition probability matrix．Basedon thenew feautrerepresentation，aK-NearestNeighbour classifierisconstructedtoclassifyDNA sequencesoverthevectorspace．Experimentalresultsshow thatthenew feature representation isabletorepresenthtechronologicalrelationshipsbetween differentnucleotidesinaDNA sequences moreintegrally．Consequentl~ thestructuralinfomr ationhiddeninthesequencescanbereflecteduflly,whichinutrn improvetheclassificationaccuracyofsequences． Keywords：DNA sequence；classification；feautrerepresentation；HiddenMarkovModels(HMM)；eig