一种用于基因5’exons预测的新方法

基因预测是生物信息学领域中的一个重要研究方向。本文在研究了基因局部特征的基础上,针对现有遗传算法在预测基因5’exons方面的不足,从生物免疫机制出发,构建了一种用于基因5’exons预测的免疫遗传算法。该算法利用T细胞发育过程中强大的多样性维持机制来设计算法的选择机制,提高算法的求解性能。实验结果表明该算法提高了基因预测的精度,提供了一种可能的研究基因预测方案。     

基于统计组合与CpG含量分类的基因预测算法

基因预测是研究基因功能、基因表达、基因之间的关联关系以及如何控制基因转录等工作的基础.现有的基因预测方法在预测内部编码外显子方面能达到较高的精度,但在预测5'端外显子方面却存在着不足.本文针对5'端外显子,构建了一种基于统计组合与CpG含量分类的基因预测算法:将基因区域数据根据CpG含量分成2个相对独立的集合,采用统计组合的方法将多种基因预测方法综合在一起进行基因预测研究.实验结果表明该算法提高了基因预测的精度,为进一步研究基因预测提供了一种可能的方案.     

基因位点预测的一种特征选择优化算法

目的剪接位点是真核细胞生物基因序列中外显子和内含子的相邻区域,如果能准确预测基因序列中的剪接位点,就能将基因中的表达区域和非表达区域分开.方法从机器学习的角度出发,提出了一种有效的特征选择算法用于剪接位点的建模和预测.该算法首先将初始链模型中每一对父子节点作为特征量提取,然后通过遗传算法和最大后验分类器进行特征选择.结果及结论对剪接位点数据的预测结果显示,这种新算法能够有效地优化链模型的结构,提高对剪接位点的预测能力.同时,经过优化的模型也有助于了解真核细胞中基因转录和表达的过程.     

基于免疫遗传算法的传感器非线性校正

针对传感器非线性校正存在的不足,提出了基于免疫遗传算法(IGA)的传感器非线性校正。该算法是在遗传算法的基础上引入生物免疫机制,克服了遗传算法精度差、收敛速度慢和"早熟"等问题。计算机仿真表明,该算法不仅能够有效保持种群的多样性,而且收敛速度、精度和稳定性都有了明显提高。实验结果表明了该方法的正确性和有效性。     

基于遗传算法的基因表达数据的K-均值聚类分析

聚类算法在基因表达数据的分析处理过程中得到日益广泛的应用.本文通过把 K-均值聚类算法引入到遗传算法中,结合基因微阵列的特点,来讨论一种基于遗传算法的K-均值聚类模型,目的是利用遗传算法的全局性来提高聚类算法找到全局最优的可能性,实验结果证明,该算法可以很好地解决某些基因表达数据的聚类分析问题.     

一种基于Gene Ontology注释信息的基因选择算法

基因选择算法是辅助生物学分析最重要的方法之一,但这类统计学算法受样本量相对基因数目过少的困扰.提出一种结合Gene Ontology(GO)注释信息的基因选择算法,用GO注释接近基因的方差的加权平均进行修正,增强小样本量下对总体的估计,进而寻找差异表达基因.将该算法与其他5种常见算法对比,以选择出的基因为特征构建分类器,以分类器的可靠性作为衡量算法的标准.3组芯片实验的结果表明,该算法在小样本情况下具有一定优势.亦有Pubmed文献证明,该算法可以鉴别出其他算法未曾发现的致病基因.该方法所建立起来的框架,是把生物学注释信息引入算法改进的一种有效尝试.     

一种用于模体预测的改进吉布斯采样算法

当前有许多用于预测模体的算法,但没有一种算法能有效地应用在所有场合.依据位置权重矩阵的模体模型,提出一种改进的吉布斯采样算法来识别模体.该算法有效地克服了吉布斯采样算法的局部收敛性,并且可以直观地控制预测模体的保守度.同时引入了模体库的概念,并通过分析模体库数据,提高了模体预测的灵活性和准确率.设计了仿真数据,并选择了已被生物实验验证过的模体数据,证实本算法的可行性和有效性.与当前常用的基于吉布斯采样改进的算法比较,本算法有效地提高了模体预测的准确性、灵活性和稳定性.     

铜死亡基因在骨关节炎免疫浸润中的生物信息学分析

背景：免疫浸润在骨关节炎的病程发展过程中发挥着重要作用,而铜死亡是近期最新发现的一种新型细胞程序性死亡,目前尚未有铜死亡基因调控免疫浸润在骨关节炎中的相关机制研究。目的：整合铜死亡基因和GEO数据库相关芯片,分析铜死亡基因与免疫浸润之间的关联性,构建风险模型,并进行基因本体、京都基因与基因组百科全书富集分析以及miRNA、中药预测,为今后骨关节炎免疫浸润方面的铜死亡机制挖掘提供理论支持。方法：通过GEO数据库检索符合条件的骨关节炎相关芯片,对其进行标准化处理;基于处理后的基因表达矩阵进行免疫浸润提取和量化,分析免疫浸润细胞及功能之间的相关性,以及它们在骨关节炎组和对照组中的差异性;整合处理后的铜死亡基因表达矩阵和标准化处理后的芯片基因表达矩阵,筛选出与骨关节炎相关的铜死亡基因,并构建风险模型,分析骨关节炎铜死亡相关基因的风险概率,另外通过FunRich软件预测其上游miRNA;最后通过Enrichr网站和Coremine Medical数据库对骨关节炎铜死亡相关基因进行基因本体、京都基因与基因组百科全书富集分析及中药预测。结果与结论：(1)免疫浸润相关性结果显示,树状突细胞和肥大细胞呈...     

基于遗传算法和模拟退火算法的DNA多序列比对算法研究

提出了一种基于遗传算法和模拟退火算法的DNA多序列比对算法。针对多序列比对的具体特点 ,指出交叉操作是导致比对计算复杂度提高的原因之一 ,因而在本研究所提出的多序列比对算法中 ,取消了遗传算法中通常采用的交叉操作算子 ,设计了适合多序列比对特点的插入删除算子和合并分离算子 ,同时在多序列比对的总对数评分规则的基础上提出了完全比对块的概念 ,采用了完全比对块加权的个体适应度值评价函数以引导遗传算法寻优局部比对。本研究还引入了基于模拟退火算法的遗传操作算子调用机制 ,以便在避免完全比对块过多的被遗传操作所破坏的同时防止遗传算法陷入局部极小 ,达到兼顾算法寻优质量和效率的目的。最后通过一个DNA多序列比对的算例验证了算法的可行性。     

基于免疫的遗传模拟退火算法在传感器非线性校正中的应用

传感器是检测人体信息的重要工具。实际中大多数传感器都是非线性的,这给检测带来不便。本文将遗传算法与模拟退火算法相结合,在此基础上引入生物免疫理论,形成基于免疫的遗传模拟退火算法,并利用该算法对传感器进行校正。此方法是在传感器之后加入非线性校正环节,利用基于免疫的遗传模拟退火算法求这个非线性校正环节多项式的系数。实例分析结果表明,利用基于免疫的遗传模拟退火算法不但可以实现传感器的非线性校正,而且校正精度、稳定性和收敛速度明显高于退火遗传算法和免疫遗传算法。最优值可以达到0.034 6,收敛到最优值的比例可以达到97%,最佳进化代数可以达到41代。