基因序列數(shù)據(jù)挖掘若干方法研究.pdf

1、隨著基因測序技術的迅速發(fā)展，生物序列的數(shù)據(jù)呈指數(shù)型增長，通過傳統(tǒng)的試驗方法來對這些數(shù)據(jù)進行分析和研究遠遠達不到現(xiàn)代生物迅速發(fā)展的要求，迫切需要有效的技術和方法來對大量的序列數(shù)據(jù)進行分析和處理。以數(shù)據(jù)處理分析為本質(zhì)的計算技術飛速前進，以及日益普及的互聯(lián)網(wǎng)技術，為生物序列資源的研究和應用帶來了契機，信息技術和生物學的緊密結合，促成了生物信息學的發(fā)展?；蛐蛄袛?shù)據(jù)是一類重要的生物數(shù)據(jù)，記錄和傳遞著生命的遺傳信息，對基因序列研究有助于從本質(zhì)上認

2、識生物進化、物種間差異的起因、生長發(fā)育的調(diào)控、疾病產(chǎn)生機制等生命現(xiàn)象，基因序列數(shù)據(jù)分析成為目前生物信息學中研究重點之一。數(shù)據(jù)挖掘作為一種能夠從大量數(shù)據(jù)中提取有用的、具有潛在效用知識的技術，已經(jīng)成為目前最有效的數(shù)據(jù)分析技術之一，并逐漸成為生物信息學采用的主要數(shù)據(jù)分析技術。在基因序列數(shù)據(jù)分析中，數(shù)據(jù)挖掘技術有著非常廣闊的應用前景。研究基因序列數(shù)據(jù)挖掘相關方法，對于提高數(shù)據(jù)處理能力、指導基因數(shù)據(jù)分析具有重要的意義。
　　本文主要研究基因

3、序列數(shù)據(jù)挖掘若干新方法，包括:基因序列數(shù)值特征表示、相似性度量、基因序列數(shù)據(jù)聚類算法及分類方法，為預測基因序列功能、揭示基因序列之間相互關系提供解決方案，并為基因序列功能位點識別提供有效途徑。研究具有一定理論意義和實際的應用價值。
　　本文的主要工作及貢獻如下:
　　1.研究了適合于基因序列特征表示方法:以基因序列中的字符串為基礎，考慮序列中的字符串出現(xiàn)次數(shù)、出現(xiàn)位置及順序關系，研究基因序列的數(shù)值特征表示方法，為基因序列數(shù)值

4、表征問題提供了有效的解決方案;
　　2.提出了一種新的基因序列度量:根據(jù)基因序列數(shù)值特征表示，將基因序列向量化并提出基因序列非比對相似性度量方法，為基因序列比較分析提供新途徑;
　　3.提出了自頂向下的基因序列層次聚類新算法:根據(jù)基因序列相似性，研究基于劃分的層次聚類算法，實現(xiàn)了對基因序列進行快速歸類并給出基因序列之間的層次關系，提高聚類結果的正確率;
　　4.提出了基于組合特征的基因剪接位點識別方法:以基因剪接位點附