基于MCL聚类的模体发现算法研究-计算机软件与理论专业论文.docxVIP

万方数据 万方数据 西安电子科技大学 学位论文创新性声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名： 日期 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保 留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内 容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后 结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。 （保密的论文在解密后遵守此规定） 本学位论文属于保密在 年解密后适用本授权书。 本人签名： 日期 导师签名： 日期 摘要 摘要 万方数据 万方数据 摘 要 模体发现在系统进化、基因调控等领域处于核心地位。模体中蕴含丰富的生 命遗传信息，由于其长度，位置，变异的不确定性，模体发现问题仍然是一个难 点。 本文分析了聚类应用在模体发现问题上的可行性，提出了基于马尔可夫(MCL) 聚类求解该问题的算法。应用滑窗机制和降维策略，缩小原始数据至 MCL 算法可 处理的规模大小。通过 MCL 聚类把相似度高的 l-mer 自适应的聚集在同一个子类 中。对聚类产生的子类进行“去杂”——提取子类内部蕴含的最大团，对所有的 子类施加一种基于启发式的遗传算法，找出每个子类的最大团，作为算法挖掘的 候选模体实例集。在候选模体实例集上，应用相对熵作为测度进行评判，择优输 出，发现最终的模体实例。 本文使用了模拟数据和实际生物数据对算法进行了聚类产生的子类自身的特 性和子类之间相关性分析。对每个子类中蕴含的不同最大团进行了分析，找出了 同一子类中最大团之间的互补和重叠关系，以及这些关系和算法 nPC 性能的关系。 通过相对熵测度的分析，比对了 Top1 和 TopK 原则对算法的影响。测量性能系数 nPC 和 nCC，验证了算法的有效性。对模拟生物数据和保守性较强的真实生物数 据取得的性能都比较满意，并和 MEME 算法进行效果比较。 关键词：模体发现 MCL 聚类 最大团 启发式遗传算法 相对熵 Abst Abstract 万方数据 万方数据 Abstract Motif-finding is a core problem in system’s evolution, gene’s regulation and some other areas. Motif contains a lot of genetic information of anima. Motif-finding issue is still a difficulty because of its characteristics including length, location, variation’s uncertainty. This paper analyzes the feasibility of applying cluster to the motif-finding problem, and proposes an algorithm based on Markov cluster (MCL) to solve the problem Motif-finding. Using sliding window mechanism and dimensionality reduction strategy to reduce the size of original data to the size MCL could deal with. By using MCL algorithm，the l-mers with high similarity are gathered in the same sub-class. We need remove impurities in each sub-class by finding out the maximum cliques in the sub-class. The maximum cliques can be found by applying a heuristic based genetic algorithm on