生物信息学第5章算法基础.ppt

第五章 算法与数学基础 图论 欧拉与K?nigsberg七桥问题。 图论 图论 动态规划 动态规划 贝叶斯统计 贝叶斯统计 马尔可夫模型 马尔可夫模型 隐马尔可夫模型 隐马尔可夫模型 神经网络模型 神经网络模型 神经网络模型 遗传算法 遗传算法 聚类分析 聚类分析 * 算法是解决一个问题的方法的明确而有限的步骤。 算法的空间复杂度与算法的时间复杂性 。 有效算法与无效算法 。 许多实际的问题都可以转化为寻找最短路的问题。荷兰计算机科学家Dijkstra发现了一个寻找标有权值的连通的简单图最短路的有效算法（教材例5.1与例5.2）。 欧拉图（Euler图）是含有欧拉回的图，而欧拉回指经过图中所有边的回。Flewry 在1921年得出一种在欧拉图中寻找一个欧拉回的有效算法（教材例5.3）。 图论中的树（Tree）是无圈的连通图。 图论在生物信息学中具有较普遍的应用，如在研究生物亲缘关系时会用到的进化树是一个每个顶点的出度为0或2的树，在基因组测序时采用图论的方法成功研制出片断组装软件，等等。 动态规划（Dynamic programming）是综合运用分级决策方法和最优化原理而形成的数学方法，它将一个复杂问题划分为若干个关联的子问题，找出子问题的最优解，进而得出原来复杂问题的最优解。 算法过程（教材例5.5） 在生物信息学中，动态规划方法是很多常用序列分析算法的基础。如在两序列比对时，Needleman-Wunch以及Smith-Waterman等算法应用了动态规划解决问题。另外，用其他算法进行运算时，有时也会用动态规划的方法以求快速有效得到结果。 贝叶斯统计（Bayesian statistics）是研究当存在不确定性时应如何进行推理的学问，它认为统计就是研究不确定性，并认为不确定性要用概率语言去描述。贝叶斯统计的观点认为概率代表一种相信程度，即根据已有的证据，人们有多大程度相信某事是真的。 算法过程（教材例5.6） 贝叶斯统计方法能利用主观知识，用它构建的生物信息学数学模型会随知识的积累不断提高预测准确度。另外，生物大分子序列模型基本上是概率模型，存在很多不确定性，而度量不确定性是正是贝叶斯统计方法的优势。 马尔可夫模型又叫马尔可夫过程、马尔可夫链（Markov chain）。如果有一事件，它按着时间顺序不断发生变化，它将来的状态是完全由现在的状态推导出来，而与过去状态无关，那么这样的发生过程称为马尔可夫过程。 算法过程（教材例5.7） 马尔可夫模型是生物信息学中的重要智能算法。生物信息学中通常会用马尔可夫模型寻找具有特定排列特征的序列，如基因中的启动子、外显子序列。 隐马尔可夫模型是一种关于时间顺序的概率模型，含有状态集合，字符集合。状态转换的过程取马尔可夫模型，状态通过转移概率矩阵相连接；每一个状态又通过字符生成概率矩阵与一个字符相联系，其中生成的字符序列是作为表观描述的观测结果，而状态集合则是在观测结果中看不到的。 算法过程（教材例5.8） 隐马尔可夫模型在生物信息学中的应用极广泛，基因预测、蛋白质结构预测、多重序列比对等都会用到隐马尔可夫模型。随着生物序列数据的不断增多，隐马尔可夫模型这种有符号序列特征、包容性强的模型很有应用前景 神经网络（Neural Networks，简称NN）模型是由功能类似神经细胞的处理单元构成，通过对神经细胞处理能力和连接特征等方面的模拟来进行计算的方法。1943年，W. S. Mculloch和W. A. Pitts提出了一个神经细胞数学模型，兴起了神经网络的研究。二十世纪80年代，神经网络建模及应用方面取得了重大进展，目前神经网络已成功应用在各个方面。 根据不同的研究需要，神经网络可按处理信息的流向、学习方式、连接权系数等方面进行分类。按处理信息的流向分为前向网络模型（见左上图）与反馈网络模型（见右上图）。 算法过程（见教材例5.10） 目前神经网络已成功应用在生物信息学的多个方面。其中一个非常广泛的应用方面是对蛋白质结构的预测：已有较多的论文报导用神经网络法预测蛋白质的二级结构，如PHD（Profile network from He