基于比较序列分析的RNA二级结构预测中的若干关键问题研究.pdfVIP

目 录 摘 要 i ABSTRACT iii 第一章 绪论 1 1.1 RNA 与生物信息学 1 1.1.1 生物信息学的内涵 1 1.1.2 生物信息学的研究热点RNA 2 1.2 RNA二级结构预测的意义 2 1.3 RNA二级结构预测的基础 3 1.3.1 RNA 的基本组成 3 1.3.2 RNA二级结构预测的相关定义 5 1.3.3 RNA二级结构的基本单元 6 1.3.4 RNA二级结构的表示方法 7 1.3.5 RNA二级结构的数据库 7 1.4 RNA二级结构预测的主要方法 9 1.4.1 基于单序列的方法 9 1.4.2 比较序列分析方法 11 1.4.3 组合优化算法 12 1.4.4 启发式算法 12 1.4.5 机器学习方法 12 1.4.6 方法的发展趋势 13 1.4.7 文献调研的结论 13 1.5 论文的主要工作与创新 13 1.5.1 基于极限学习机的快速RNA 二级结构预测模型 15 1.5.2 基于聚类欠采样和集成学习的不平衡数据分层处理方案 15 1.5.3 融合相邻列配对信息和主成分分析的特征提取方法 15 1.5.4 基于启发式茎区搜索的RNA 序列比对划分方法 15 1.6 篇章结构 16 第二章 基于极限学习机的快速RNA 二级结构预测模型 19 2.1 计算资源消耗高的问题 19 2.2 基本比较序列分析方法模型 19 2.3 极限学习机 20 2.3.1 极限学习机的概念 20 第I 页 2.3.2 极限学习机的原理 22 2.4 基于极限学习机的快速RNA 二级结构预测模型 24 2.4.1 样本集构建 24 2.4.2 模型训练 31 2.4.3 结构预测 34 2.4.4 模型计算流程图 34 2.5 实验结果和讨论 34 2.5.1 模型的效率验证 35 2.5.2 模型的精度验证 37 2.5.3 模型鲁棒性的验证 38 2.5.4 讨论 43 2.6 小结 44 第三章 基于聚类欠采样和集成学习的不平衡数据分层解决方案 45 3.1 RNA 二级结构预测中的不平衡数据问题 45 3.2 不平衡数据问题分析 45 3.2.1 不平衡数据问题背景 45 3.2.2 不平衡数据问题的难点 46 3.2.3 不平衡数据的分类方法 46 3.3 聚类方法分析 47 3.3.1 K 均值聚类 48 3.3.2 AGNES 聚类 48