基于最大团求精的模体发现算法分析-analysis of motif discovery algorithm based on maximum clique refinement.docxVIP

下载本文档

54
0
约4.25万字
约 57页
2018-08-14 发布于上海
举报
版权申诉

基于最大团求精的模体发现算法分析-analysis of motif discovery algorithm based on maximum clique refinement.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于最大团求精的模体发现算法分析-analysis of motif discovery algorithm based on maximum clique refinement

摘要转录因子结合位点是与转录因子结合的DNA片断，负责启动基因的转录过程和控制基因的转录效率。由于转录调控是基因表达调控的关键环节，因此转录因子结合位点的预测和识别对于生物调控网络的研究具有重要意义。本文在研究模体发现算法的基础之上，发现了植入模体发现问题与最大团问题之间的相关性，将植入模体发现问题形式化为在无向图中求解最大团的问题，并且提出了一种利用最大团解决植入模体发现问题的算法。基于缩小解空间规模和加速最大团收敛速度的目的，本文提出了一种基于最大团求精的随机投影植入模体发现算法。该算法通过随机投影策略产生若干合格桶，并对所有的合格桶施加一个基于回溯法的最大团扩充求精过程，可以得到一组候选模体，最终将能够使目标函数值最大的模体作为最优解输出。本文解析并给出了随机投影参数的选择对基于最大团求精的随机投影植入模体发现算法的影响。使用一致序列得分和相对熵两种测度对候选模体进行筛选，并通过性能系数和互相关系数等评价测度对算法的最优解质量进行了评价。本文通过模拟数据对算法的有效性进行了验证，并且将所提出的算法应用于不同物种生物数据的转录因子结合位点识别，尤其是酿酒酵母的多组转录因子结合位点的预测能够达到80%以上的识别率。关键词：植入模体发现随机投影回溯法最大团求精性能系数AbstractTranscriptionfactorbindingsitesareDNAsequenceswhichbindthetranscriptionfactors,theystartthegenetranscriptionandcontroltheefficiencyofgenetranscription.Becausetranscriptionregulationisakeystepintheregulationofgeneexpression,sothepredictionandrecognitionoftranscriptionfactorbindingsiteshasanimportantsignificanceforthestudyofbiologicalregulatorynetworks.Researchingontheexistingmotiffindingalgorithms,thisthesisfindsthecorrelationbetweentheimplantedmotiffindingproblemandthemaximumcliqueproblem,thenformalizestheimplantedmotiffindingproblemassolvingthemaximumcliqueproblemofanundirectedgraph,andgivesanalgorithmtosolvetheimplantedmotiffindingproblembyusingthemaximumclique.Inordertoreducethescaleofthesolutionspaceandacceleratetheconvergencespeedofthemaximumcliqueproblem,thisthesisproposesarandomprojectionimplantedmotiffindingalgorithmbasedonmaximumcliquerefinement.Thisalgorithmgeneratessomequalifiedbucketsbyusingrandomprojectionstrategy,andcangetasetofcandidatemotifsbyexertingamaximumcliqueexpandrefinementprocessbasedonbacktrackingmethodonallthequalifiedbuckets,andfinallyoutputsthemotifwhichhasahighestobjectivefunctionscoreastheoptimalsolution.Thisthesisanalyzesandgivestherandomprojectionparametersselectionsinfluenceontherandomprojectionimplantedmotiffindingalgorithmbasedonmaximumcliquerefinement.Bothconsensusscoreandrelativeentropyareusedtochoosetheoptimalsolution,theoptimalsolutionqualityisevaluatedbysomeevaluationparameters,suchas,th