数据挖掘技术在生物信息学中的应用论文.pdfVIP

参考文献 [1]扬1lf 2 33 36 VN盯的有线自视收赞及客户管理幕托∞设计与实现[J]自*与信息技术．2004 Basic [z]簧智趣·}蚌蚌着Ⅵsll且l NETⅢ目*发实践[M]．北京中国接道mⅨ#．2003lo 222—282 [站黄鹏，鬻值曹弱超Vb∞llhsic 3 NLT信息系统设计与*发实例[M]n京机械I业＆版社．2005153 作者简介 m博±在4．#m*i学＆*耳‰#学自撞$荦EM％t、■##．i}*￡}自自算机■#*|白． 柱雪陈耒知 (沈阳化工学院计算矾科学与技术学院110142) [摘要]生物信息学是一门新*的交叉学科。人党基目组计划的启动和实旄使得按醺、蛋自质数据迅 速增长·如何从海量数据中获取有效信息成为生特信息举迫切耍解央的问题．研究证明教据挖掘技术是生 曲信患处理的强有力I具。数据挖掘在生轴信患学中的应用将取得夏大的进晨。 [美羹词]生暂信息学数据挖掘 数据库 1．引言 随着人粪基因组计划的实臆·通过基因组序列、蛋白质序刊的测序，蛋白质结构与功能的预溅等实 验，分子生物学家提供了大量的有关生物分子的原始散据，进些数据需要综台利用数学、物理、信息科学 与技术荨进行处理和分析t因而生物信息学应运而生。它是分子生物学与上述学科交叉结合的产物。大量 的生物信息数据还在继续快速增长，国内外各种生物信息数据处理新方法的研究工作正在擞烈的展开。其 中数据挖掘技术在生物信息数据处理中的应用研究具有广阔的空间。 2．相关概念 2．1生物信息学的概念 生物信息学是以棱酸、蛋白质等生物太分子敷据库为主要对象，以散学、信息学、计算机科学为主要 手段t以计算机硬件、软件和计算机网络为主要工具t对浩如烟拇的原始数据进行存储、管理、注释、加 工·使之成为具有明确生物意义的生物信息。并通过肘生钎信息的查询、搜索、比较、分析，从中获取基 因编码、基因调控、校酸和蛋白质结构功能及其相互关系簪理性知识．在大量信息和知识的基础上．探索 生命起源、生物进化以及细胞、器官和个体的发生、发育、病变、衰亡等生命科学中的重太问题．搞清它 们的基本规律和时空联系，建立“生物举周期表”． 很显然t生物信息学的研究对象是生物数据．当然最“经典”的是分子生物学散据．使基因纽技术的 产物：DNA序列，后基因组时代将从系统角度研究生命过程的各个层次，走向探索生命过程的每个环节 微观(深^到研究单十分子的结构和运动规律)和宏观(节和宏观生态学，从大的角度来研究生命过程)。 着重于“序列．结拇、功能，应用”中的“功能和应用”部分．就研究面来说．涉及并参与各生命科学领 域的研究。 ，28 2．2数据挖掘概念 in 数据挖掘也称为数据库知识发现(KnowledgeDiscov2ery 出有效的、新颖的、潜在有用的、并且最终可理解的模式的非平凡过程[1]。它被广泛的应用到各个领域， 挖掘数据之间潜在的模式，找出有价值的信息。KDD的基本过程如图1所示，由以下部分组成： (1)数据预处理(包括数据清理、数据集成、数据变换、数据归纳，为数据挖掘做准备 (2)数据挖掘(核心步骤，使用智能方法提取数据模式) (3)模式评估(根据某种度量，识别表示知识的真正模式) (4)知识表示(使用可视化知识表示技术，向用户提供挖掘的结果——知识) 图I KDD的基卒过程 可以看出，数据挖掘是KDD的核心部分，是采用机器学习、运筹学、统计方法等进行知识发现的阶 段。但是从广义上讲，数据挖掘的定义就是从海量数据中提取知识的过程，也就等同于KDD，这个定义 在各界普遍流行。本文也采用“数据挖掘”的广义观点。 数据挖掘是在已有的大量数据中寻找模式的决策支持过程，它从理论和技术上继承了知识发现领域的 成果，同时又借鉴了许多其他领域的理论和