生物信息学中弱号基序查找算法研究.pdfVIP

摘要 在生物序列中查找基序是生物信息学中一个重要的计算问题，人 们针对这一计算问题提出了多种模型和算法。由于真实生物序列数据 的复杂性，其中有许多是比强信号基序更难提取的弱信号基序， 本文作者重点研究了适合于模拟弱信号基序查找的植入(厶d) 基序问题(PMP)和扩展植入(，’d)基序问题(E^稃)模型；并归 纳分析了基序查找的基本方法、策略和基序模型，指出了各种镱略和 模型的优势与不足。在此基础上对现有的基于植入基序查找问题模型 的主要弱信号基序查找算法进行了分析和实验评估。 针对弱信号基序查找问题作者提出了一种基于统一投影和邻居 with 桶聚集提炼策略的基序查找算法UPNT(UrdformProjection Neighbourhood 有效减少了投影数目，并使用邻居桶聚集提炼的策略大大减少了提炼 桶的数目。作者进一步使用背景分布均衡与非均衡的合成(Ld)序 列两套数据集对算法性能进行测试和分析，实验结果表明：UPNT在 成功率和运行时间上的综合性能优于Random projection、 AGGREGATION和Uniform Projection等投影算法，具有更强的适用 性。 在生物序列中还存在很大一部分带间隔的二分体基序，二分体基 序中可能其中一个子基序是弱信号，但它们的组合却具有强统计显著 性。作者针对二分体基序的特点提出了一种基于Box-Links枚举统计 给候选基序计分的二分体基序查找算法DMDB(DyadMotifDiscovery based011 Box-Links)，并通过实验验证了算法的有效性． 最后，作者对生物序列中的基序查找问题进行了总结，并讨论了 该方向上尚未解决的问题和发展趋势。 关键词；基序查找，弱信号，植入(厶d)基序问题，二分体，算法 ABSTRACT motifsis a in Finding significantcomputationalproblem to and havebeen solve models bioinformatics，manyalgorithms proposed the of this l℃asonof data； biologicsequence probl啪．By complexity tobefound ofsubtlemotifswhicharemuchmoredifficult thereexistlors than signals． strong to andtheextended Upnow,theplanted以回motifproblemplanted aretwosuitablemodclsfor subtle 以力motifproblem fmdingmotifs；So that studiesthesetwo theau