dna序列4d表示及基因识别算法研究

《dna序列4d表示及基因识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文摘要随着人类基因组计划的完成，生物基因数据呈指数形式增长，找出蛋白质编码基因，即基因识别，是进行基因组分析的基础，在生物信息处理中占有非常重要的地位。本文着重研究DNA编码区与非编码区的识别算法及DNA序列的表示法。针对目前常用的基因识别算法对特征选取的主观性，本文提出了一种基于特征筛选的基因识别算法，使用该方法根据特征之间的相关性来获取基因的主特征，利用提取的主特征用fisher判别进行编码区与非编码区识别。通过分析研究已有的DNA序列表示法，提出了一种新的DNA序列4D表示，该表示法不仅包含明确的生物学

2、意义，而且有效避免了由DNA序列表示转化为几何表示法过程中造成的信息丢失。接着在DNA序列4D表示的基础上运用傅立叶变换，对编码区与非编码区序列进行频谱分析，从而实现编码区与非编码区的识别。由于在编码区存在较强的周期三行为特征，非编码区周期三行为特征较弱甚至没有。利用这种差异，在新的DNA序列4D表示法基础上提出了一种可描述信号的相关性的共频系数，进而识别编码区与非编码区。本文构造数据库对上述研究进行了验证和分析。实验结果表明：基于动态特征筛选的方法的识别率高达98%以上；基于DNA序列4D表示法的共频系数方法可以获得较

3、高的识别率。关键词：基因识别；DNA；编码区；非编码区；判别率IDNA序列4D表示及基因识别算法研究AbstractTheaccomplishmentofthehumangenomesequencingprojectsleadstoaneedforautomaticgenomeannotation.OneofthemostimportanttasksofannotationistorecognizegenesinDNA.Thispaperdescribessomenewapproachesforrecognizingge

4、nesandproposesanewrepresentationofDNAsequence.Weproposeadynamicfeaturechoosingalgorithmtodeterminethemajorfeatures.WedescribenucleotidesequencebyfeaturevectoranduseDiscriminantanalysistothemtomakedecisiononcoding/non-coding.AfteranalyzingthecommonDNArepresentatio

5、n,weproposeanew4DrepresentationofDNAsequence,whichhasthevirtueofcontainingallthebiologicalmeaningofDNAsequence.AndthereisnolossofinformationinthetransferofdatafromaDNAsequencetoitsmathematicalrepresentation.WeapplytheFourierTransformtothe4Drepresentation,andanaly

6、zethespectrumofthecodingandnon-codingtoidentifygenes.Itiswellknownthatthecodingsequenceshavethefeatureof3-period,whichcanberarelyobservedinthenon-codingsequences.Basedonthisdifferenceofcodingandnon-coding,weproposeacommonfrequencycoefficient,whichdescribesthecorr

7、elationofsignalsequences.Thiscoefficientisusedtoidentifythegenes.Additionally,weconstructaDatabasefortrainingandtestinguse,whichcontainsalltheessentialgenesinS.cerevisiaegenomesthatarecurrentlyavailable.Theresultssuggestthatthegeneidentificationbasedondynamicfeat

8、urealgorithmhasaccuracyofabove98%;Theresultsoftheidentificationusingthecommonfrequencycoefficientbasedon4Drepresentationmethodshowsuperiorperformance.KeyWords: