基因组岛识别算法研究及应用-生物信息学专业论文.docxVIP

万方数据 万方数据 学{豆论文!捉仪使用授权书 学位论丈作桦山王北 签字?究 : ) /6 主 3 月 q El 忖答卷 : ρL民 签字叫:à.t 朱 1 月丁 E 浙江理 浙江理工大学硕士学位论文 基因组岛识别算法研究及应用 摘 要 基因组岛是基因组中的特定区域片段，与水平基因转移密切相关，具有特殊的结构， 常常携带致病、耐药及与适应性等功能相关的基因。通过基因组岛在不同物种间的移动， 可以造成相关基因的跨种属传播，这对物种进化和新功能获得具有重要意义，也是目前微 生物研究领域的热点问题之一。本文主要围绕基因组岛的识别算法展开，系统地研究了预 测方案中的信息提取、特征挑选和识别算法，主要内容安排如下： 1. 综述了基因组岛预测中的信息提取方法，包含 GC 含量、遗传密码子使用偏好性、 k-mer 频率、tRNA 个数、ORF 的个数和重复片段个数等多种信息提取方法，重点介绍了 Centroid，Alien_Hunter 和 Sighunt 等基因组岛识别算法。由于信息提取和识别算法是基因 组岛预测中的两个关键因素，上述综述为本文的后续研究提供了理论和实践基础。 2. 提出一种基于双样本 t 检验的预测算法。首先，通过置信区间筛选了宿主的特征； 再利用特征分布的峰度差异实现核心特征的挑选；最后，通过双样本 t 检验实现对窗口的 打分，结合显著性检验方法构建了基因组岛预测模型。本文以 AUC 为评价指标，系统地 比较了不同的信息提取、特征挑选和打分方式对预测模型的影响。模拟实验的结果表明， 本文提出的基于峰度的特征挑选方法和双样本 t 检验的打分方式表现较好,其 AUC 值比其 它方法至少高出 5%。 3. 提出一种基于多尺度检验的基因组岛预测算法。首先，利用大规模的特征挑选方法， 结合小尺度的 t 检验来量化序列片段的组分差异；再使用小规模的特征挑选方法筛选动态 特征，结合大尺度统计推断，识别包含多窗口的组分异常片段；最后，联合马尔科夫熵和 CG 分割算法实现对基因组岛的边界重定位。本文对四组真实数据进行测试分析，并与现 有的预测方法进行系统的比较。结果表明，本文提出的 MTGIpick 识别率与回收率更高， 而且所预测基因组岛长度与真实的也最接近。 4．实现了基于 Java 的图形用户界面（GUI）设计。简述了 GUI 开发的基础知识，详 细地介绍了 MTGIpick 软件的设计过程，用户可以根据自己的需求选择算法及其对应的参 数进行测试分析。 关键字：基因组岛，预测识别，k-mer，t 检验，多尺度统计 I Abstract Genomic islands are segments of a particular region, which closely related to horizontal gene transfer, having special structure and usually carrying pathogenic, drug resistance and adaptation function related genes. By moving among different species, genomic islands make related gene spread cross species, which make contribute to evolution of species and acquisition of new function. Genomic islands is a hot topic in microorganism research. This paper focuses on identify algorithm and studies information extraction, feature selection and prediction methods. The main work is represented as follows: We reviewed extraction methods in GIs prediction, include GC content, codeusage, k-mer, tRNA, ORF, RePuter and so on. GIs identify algorithm like Centroid, Alien_Hunter and Sighunt were detailed introduced. Information extraction and identify method are two important aspects of GIs prediction, which are theo