DNA序列分类优秀论文.docVIP

DNA序列分类 摘要 本问题是一个关于DNA序列分类的问题。问题一是针对人工序列建立分类模型，并分析模型的优劣。问题二是对自然序列利用问题一中的分类方法进行分类。它是问题一的推广。 问题一是在20个已知类别的人工制造序列的条件下，对20个未标明类别的人工序列（其中序列标号20—40）进行分类。要想解决这一问题，首先根据题中所给的20个已知类别的人工制造的序列（其中序列标号1—10 为A类，11-20为B类），可算出A、C、G、T在序列中出现的频率，然后用欧式距离判别法、Fisher判别法、Bayes判别法这三种分类方法分别求出线性判别函数，得到判对率分别为：90%、95%、80%，通过比较发现，用Fisher判别法对DNA序列判别分类比较好，最后用该方法把20个未标明类别的人工序列进行分类即可。在matlab中写出相应的程序，可以得到下面的结果： 20个人工序列： 23、25、27、29、34、35、37为A类，其余为B类。 对于问题二，序列的长度发生了变化，与问题一类似，现在本文用问题一中选出的正确率比较高的分类方法即Fisher判别法对182个自然DNA序列(它们都较长)进行分类即可。在matlab中写出相应的程序，可以得到下面的结果： 182个自然序列： 1、5、8、13、15、16、18、27、32、37、49、58、59、61、62、64、67、68、69、70、71、72、73、78、79、81、82、87、89、90、91、96、100、104、108、109、111、112、115、117、118、120、124、132、134、136、139、141、148、150、154、155、157、158、171、172、176为A类，其余为B类。 关键词：DNA序列分类、分类模型、欧式距离判别法、Fisher判别法、Bayes判别法 正文 一、问题重述 人类基因组计划中DNA全序列草图是由4个字符A，T，C，G按一定顺序排成的长约30亿的序列，其中没有“断句”也没有标点符号。虽然人类对它知之甚少，但也发现了其中的一些规律性和结构。例如，在全序列中有一些是用于编码蛋白质的序列片段，即由这4个字符组成的64种不同的3字符串，其中大多数用于编码构成蛋白质的20种氨基酸。又例如，在不用于编码蛋白质的序列片段中，A和T的含量特别多些，于是以某些碱基特别丰富作为特征去研究DNA序列的结构也取得了一些结果。此外，利用统计的方法还发现序列的某些片段之间具有相关性，等等。这些发现让人们相信，DNA序列中存在着局部的和全局性的结构，充分发掘序列的结构对理解DNA全序列是十分有意义的。目前在这项研究中最普通的思想是省略序列的某些细节，突出特征，然后将其表示成适当的数学对象。 作为研究DNA序列的结构的尝试，提出以下对序列集合进行分类的问题： 1）请从20个已知类别的人工制造的序列（其中序列标号1—10 为A类，11-20为B类）中提取特征，构造分类方法，并用这些已知类别的序列，衡量你的方法是否足够好。然后用你认为满意的方法，对另外20个未标明类别的人工序列（标号21—40）进行分类，把结果用序号（按从小到大的顺序）标明它们的类别（无法分类的不写入） 同样方法对182个自然DNA序列(它们都较长)进行分类，像1）一样地给出分类结果。 二、问题分析 对于问题一，属于分类问题，为了解决这一问题，本文首先从已知类别的人工制造序列来提取特征（为方便起见，本文是根据A、C、G、T在序列中出现的频率来提取特征的），然后学习欧式距离判别法、Fisher判别法、Bayes判别法这三种方法并用matlab编程实现，最后根据已知类别的人工制造序列来检验这三种分类方法的正确性，选出正确率比较高的一种分类方法，并用该方法把20个未标明类别的人工序列进行分类即可。 对于问题二，序列的长度发生了变化，问题一类似，本文用问题一中选出的正确率比较高的分类方法对182个自然DNA序列(它们都较长)进行分类即可。 三、模型假设与符号说明 3.1 模型假设 1）较长的182个自然序列与已知类别的20个样本序列具有共同的特征。 2）忽略除A、C、G、T以外的字母。 3.2符号说明 :表示A字符在序列中出现的频率； :表示C字符在序列中出现的频率； :表示G字符在序列中出现的频率； :表示T字符在序列中出现的频率； ：表示A类总体样本的数目； ：表示B类总体样本的数目； ：表示A类总体中A字符在序列中出现频率的平均值； :表示A类总体中C字符在序列中出现频率的平均值； :表示A类总体中G字符在序列中出现频率的平均值； ：表示A类总体中T字符在序列中出现频率的平均值； ：表示实测指标值； :表示A类总体的均值向量； :表示B类总体的均值向量； ：表示A类总体的样本离差阵； ：表示B