识别含有pol（a）位点模式植物序列的方法与应用研究.pdfVIP

摘要 伴随着各种基因组测序计划的展开和分子结构测定技术的突破，目前生物学 界已经积累了大量关于基因的数据，这就要求生物学家使用新的生物信息分析算 法和工具来分析和处理不断膨胀的数据，充分使用这些信息。因此数据挖掘技术 在用于基因功能预测和发现新基因方面有着巨大的潜力。而本文研究的就是通过 数据挖掘对序列进行聚类，通过聚类识别含有poly(A)位点的序列，作为基因表 达数据研究的第一步。 本论文提出了一个基于自组织映射网络模型(SelSOrganizingMap，简称 SOM)的模式植物拟南芥poly(A)位点识别的方法。自组织映射网络是模糊聚类 分析中广泛使用的一种无监督学习的神经网络，它通过自组织方式用大量的训练 样本数据来调整网络的权值，使用SOM得出的可视化结果能更直观地判断序列 含有位点的情况。本文基于课题组对拟南芥的研究成果，运用数理统计方法分析 和提取拟南芥poly(A)位点上下游周围序列顺式作用元件的特征，而后得到序列 特征的数值编码作为分类算法的输入；然后选用SOM网络来建立poly(A)位点 识别的高维测试模型，该模型可依据训练结果，对待测序列中可能含有位点的片 断进行模糊聚类，从而判断其中含有位点的情况；而且本模型还可应用于对位点 的精确定位；最后使用测试数据对模型进行评估。其中，通过聚类图判别未知序 列是否含有位点或含有多个位点的情况是模型最突出的优点。 测试实验的结果得出砌为91．13％，证明了本文所提出的基于SOM模型对 植物poly(A)位点进行识别的方法的可行性和有效性，并应用于大通量原始序列 的识别，正确率达65％。今后可在此基础上进行植物poly(A)位点的精确识别和 定位，并结合生物实验剔除虚假位点，改进模型，使研究成果尽可能地减少生物 实验的繁重工作，这在基因组研究中有着重要的理论意义和应用价值。 关键词：poly(A)位点识别；模式植物；自组织映射网络；模糊聚类 Abstract Withthe in anda inthe developed plans genomesequencingbreakthrough measurememmolecular of of dataOll have structure，largequantitiesbiologicalgenes beenaccumulatedthe are to and by biologicalworld．Biologistsreqniredanalyze the increased data、航Ⅱlthenewbioinformatics processcontinuouslybiological toolsSOas and tomakefulluseofthe of data．Therefore,the algorithms technology has data a in of functionand ofnew potential mininghuge predictiongene discovery genes．Thisthesisisa onthe of data present study clusteringsequencethroughmining, andidentificationthe