生物信息学03.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 打分有何不同？ 1.局部优化比对：9分 2.全局优化比对：2+4-12+9=3 3. 为何不同？ L D S – C H G E S L C K /NW-align/ 学习动物精神 11、机智应变的猴子：工作的流程有时往往是一成不变的，新人的优势在于不了解既有的做法，而能创造出新的创意与点子。一味 地接受工作的交付， 只能学到工作方法 的皮毛，能思考应 变的人，才会学到 方法的精髓。 学习动物精神 12、善解人意的海豚：常常问自己：我是主管该怎么办才能有助于更好的处理事情的方法。在工作上善解人意， 会减轻主管、共 事者的负担，也 让你更具人缘。 * * * * * * * * * 期望值代表了随机变量的“平均”值。它是把每个可能取值乘以对应的概率，然后累加起来。 标准方差描述了随机变量中具有正概率值的分散性。所有可能的值离期望值的距离的平方，再乘以对应的概率。 * * * * * * * * * * * * * * * * * B2：抽样 B1：剩余 A2：阳性 A1：阴性 * 点阵法：自身的比对 A K G F K C A D E A 1 0 0 0 0 0 1 0 0 K 1 0 0 1 0 0 0 0 G 1 0 0 0 0 0 0 F 1 0 0 0 0 0 K 1 0 0 0 0 C 1 0 0 0 A 1 0 0 D 1 0 E 1 点阵法：重复序列 A K G F D K G F E A 1 0 0 0 0 0 0 0 0 K 1 0 0 0 1 0 0 0 G 1 0 0 0 1 0 0 F 1 0 0 0 1 0 D 1 0 0 0 0 K 1 1 0 0 0 G 1 1 0 0 F 1 1 0 E 1 点阵法：反向重复/回文 A U G C A C G U C A 1 0 0 0 1 0 0 0 0 U 1 0 0 0 0 0 1 0 G 1 0 0 0 1 0 0 C 1 0 1 0 0 0 A 1 0 0 0 0 C 1 1 0 0 1 G 1 1 0 0 U 1 1 0 C 1 点阵法：不同序列的比对 P K D F C K A L V P 1 0 0 0 0 0 0 0 0 K 1 0 0 0 1 0 0 0 F 0 1 0 0 0 0 0 T 0 0 0 0 0 K 1 1 0 0 0 A 1 0 0 I 0 0 V 0 1 1:PKDFCKALV 2:PK-FTKAIV Seq 1 Seq2 点阵法的序列比对 Sequence 1# 1 n Sequence 2# 1 m “-” Insertion “-” Insertion 计算效率 用CPU的计算时间和内存占用量来衡量； 对于需要解决的问题，其单位数量n在某算法下运算的基本操作重复执行次数表示为f(n)； 时间复杂度: T(n)=O(f(n))； 如果需要解决的问题的大小与单位数量n的平方成正比，则O(n2) 对于算法来说： O(1) O(log(n)) O(n) O(n2) O(an) O(n!) NP问题 1. 一般的，O(nk), 当k≤3 时，为多项式时间，较为容易处理。 2. 当O(an)，则难以处理。 3. NP完全问题（NPC）：无法找到能够在多项式时间复杂度内解决方法的问题； 4. 近似算法/优化算法，求近似解。 P/NP问题-千禧年大奖难题之一 1900年，德国数学家David Hilbert提出的23个历史性数学难题。 千禧年大奖难题美国克雷数学研究所（Clay Mathematics Institute,CMI）于2000年5月公布七个世界数学难题。 千禧年大奖难题 P/NP问题：P = NP ？ 霍奇猜想 庞加莱猜想（已证明） 黎曼猜想 杨-米尔斯存在性与质量间隙 纳维-斯托克斯存在性与光滑性 贝赫和斯维讷通-戴尔猜想 P/NP/NPC问题 P问题： Polynomial Problems 可以在多项式( polynomial )时间内解决的问题; NP: “Non-deterministic Polynomial”,并非 “Non-Polynomial” 可以在多项式的时间里验证一个解的问题; NPC: NP-complete 2. 动态规划算法 1. 打分模型、替代矩阵以及空位罚分。 2. 比对算法：递归及动态规划算法； 3. 全局优化比对：Needleman-Wunsch 4. 局部优化比对：Smith-Waterman 5. 工具资源： .au/course/lectures2005/L