基因數(shù)據(jù)相似性分析方法研究.pdf

1、隨著人類基因組計劃的開展，以及各種生物基因序列的研究，產生了越來越多的龐大的分子序列數(shù)據(jù)，對這些序列數(shù)據(jù)進行科學的分析和處理推動了生物信息學的發(fā)展。序列相似性分析是生物信息學的基礎，通過相似性分析獲得的大量序列信息可以用來推斷基因的結構、功能和進化關系，因此基因數(shù)據(jù)的相似性分析方法研究已成為生物信息學領域中一個非常重要的研究課題。 論文在綜述基因數(shù)據(jù)表示以及相似性分析方法研究現(xiàn)狀的基礎上，對聚類分析方法、序列相似度度量方法、基因

2、數(shù)據(jù)的空間表示和基于空間表示的相似性分析方法進行了系統(tǒng)研究。本文取得的研究成果主要有： 1.提出了一種基于多維偽F統(tǒng)計量的基因表達動態(tài)聚類分析方法。該算法可動態(tài)地調整聚類個數(shù)，根據(jù)多維偽F統(tǒng)計量獲得最佳聚類數(shù)目，實驗結果表明該算法聚類質量較好。針對基因微陣列數(shù)據(jù)缺失值嚴重影響聚類結果，本文利用模糊c．均值算法能很好地處理數(shù)據(jù)間的重疊性和相關性的特點，將它應用到基因表達數(shù)據(jù)的缺失問題處理中，提出了基于模糊C-均值的填充算法FCMi

3、mpute，實驗結果表明，F(xiàn)CMimpute填充在處理缺失值問題上是可行的、有效的，并且其填充性能表現(xiàn)尤為優(yōu)越。 2.提出了一種基于比對相似度動態(tài)矩陣的聚類算法。在DNA基因序列方面，本文研究分析了基于圖BAG聚類算法，給出了一種cutoff初始值、最小長度閥值和分割/合并類的確定方法，提出基于比對相似度動態(tài)矩陣的聚類算法。實驗結果表明該算法具有較好的聚類正確率。 3.提出一種基于雙重核苷酸出現(xiàn)頻率的序列相似度度量方法。

4、針對大量DNA多序列比對計算復雜問題，給出了DNA序列的相鄰雙重核苷的分類，通過序列的數(shù)字特征描述序列，給出了一種基于雙重核苷酸出現(xiàn)頻率的序列相似度度量方法，可有效地表示序列的相似度，且計算簡單。 4.提出了一種DNA序列圖形表示，定義了一個序列特征參數(shù)，給出了可凝聚層次聚類的進化樹構建算法。針對DNA序列的圖形表示存在退化現(xiàn)象，本文提出一種3D曲線表示法-N曲線，證明了N曲線中不存在環(huán)和退化現(xiàn)象，且符合DNA序列的對稱性；定義

5、了一個新的序列特征參數(shù)Z_inv，該特征參數(shù)計算簡單且非常接近于特征值λ；根據(jù)DNA序列三維圖形表示，提出一種基于可凝聚層次聚類的進化樹構建算法，實驗結果表明了該算法的有效性。 5.提出了RNA二級結構的2D、3D、4D空間表示方法，對RNA二級結構進行了相似性分析。針對RNA二級結構表示法中主要的高復雜性和退化問題，本文提出了RNA二級結構的2D、3D、4D空聞表示方法，并證明了該表示法的有效性，采用矩陣不變量對RNA二級結構