基于卷积神经网络的序列特异性预测研究

《基于卷积神经网络的序列特异性预测研究》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、分类号ＴＰ１８１密级公开ＵＤＣ编号《余Ａ聲硕女研《４《隹儉戈题目某子卷巧袖经网络的巧列特异性预规研巧ＴｉｔｌｅＲｅｓｅａｒｃｈｏｆｓｅｑｕｅｎｃｅｓｐｅｃｉｆｉｃｉｔｉｅｓＢａｓｅｄＯｎＣｏｎｖｏｌｕ村ｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ学院（所、中心）信息学隨专业名称计义机系统结构研巧生姓名巧航惜学号１２０１３Ｑ０１Ｑ４３导师姓名姚绍义职称教投２０１６年３月论文独创性声明及使用授权本论文是作者在导师指导下取得的研巧成果。除了文中特别加Ｗ标注和致谢的地方

2、外，论文中不包含其他人己经发表或撰写过的研巧成果，不存在割窃或抄袭行为一。与作者同工作的同志对本研巧所做的任何贡献均己在论文中作了明确的说明并表示了谢意。：学校有权保留本论文（含电子版）现就论文的使用对云南大学授权如下，也可Ｗ采用影印、缩印或其他复制手段保存论文；学校有权公布论文的全部或部■分内容，可将论文用于査阅或借阅服务：学校有权向有关机构送交学位论文用、于学术规范串查社会监督或评奖；学校有权将学位论文的全部或部分内容录入有关数据库用于检索服务。（内部或保密的论文在解密后应遵循此规定）研巧生签名；旅據修．导

3、师游名日期：拍要基因序列特异性的预测无论是在基因分析领域还是基因调控领域都扮演着重要作色，ＤＮＡ和ＲＮＡ结合蛋白的特异性模式序列对致病基因的发现也具有指导性作用。然而随着分子生物学的发展，生物数据量呈现爆炸式増长，通过生物实验和统计分析来寻找序列特异性的传统方法已经很难从海量数据中挖掘出有用数据，且时间和人力成本也太髙。卷积神经网络是近几年新兴的一种深度学习技术，目前在图像、语音识别及。－自然语言处理领域应用较广，发展较成熟这种技术基于多层感知机（ｍｕｌｔｉｌａｙｅｒｐｅｒｃｅｐｔｒｏｎ），多层感知机是上个

4、世纪八十年代由Ｒｕｍｅｌｈａｒｔ、Ｗｉｌｌｉａｍｓ、Ｈｉｎｔｏｎ和ＬｅＣｕｎ等人共同提出的，其目标是通过模拟人脑神经元的信息处理过程，用神经一元网络来描述现实世界中的复杂规则般是函数形式。但多层感知机结构过于（）简单一，导致描述事物或者规则的能力有限。针对这问题，人工智能专家们经过不撫努力，不断増加神经网络的深度，同时将不同层划分为不同功能，从而催生出了卷积神经网络。本文主要关注点是模体识别问题中模体的序列特异性，针对这个问题，使用。卷积神经网络建立了相应的序列预测模型该模型主要涉及几个阶段：首先将字符串序列转化为数值

5、编码矩阵，再用预测模式的数值矩阵对序列编码矩阵进行卷一积运算，从而自动从序列中提取预测模式的特征，卷积输出的矩阵中每个元素一需要与给定的闲值相减，只保留结果大于０的元素传入下层：再将经过闽值矫ｏｏｌ，正过的输出矩阵输入池化ｉｎ，池化层的作用是对输入数据进行压缩只（ｐｇ）层一一保留主要特征，：经过池化压缩的矩阵输入个全连接的神经网络层这层通过计算加权和得到一个实数输出分数，将该分数与目标分数相比较，计算出误差，一反向传播给前面各层，通过误差调整各层参数，最终拟合得到个模型，就是序列特异性预测模型。关键词Ｓ序列特异性；模体

6、识别；ＤＮＡ结合蛋白；卷积神经网络ＩＡｂｓｔｒａｃｔＡｂｓｔｒａｄＰｒｅｄｉｃｔｉｎｇｔｈｅｓｅｕｅｎｃｅｓｅｃｉｆｉｃｉｔｉｅｓｏｆｅｎｅｓｉｓｅｓｓｅｎｔｉａｌｆｏｒｅｎｅａｎａｌｚｉｎａｎｄｑｐｇｇｙｇｅｎｅｒｅｕＤＮＡ－ＮＡ－ｌａｔｏｒｙ．ＴｈｅｓｅｑｕｅｎｃｅｓｐｅｃｉｆｉｃｉｔｉｅｓｏｆａｎｄＲｂｉｎｄｉｎｒｏｔｅｉｎｓａｒｅｇｇｇｐｕｓｅｄｔｏｉｄｅｎｔｉｃａｕｓａｌｄｉｓｅａｓｅｖａｒｉａｎｔｓ．Ｈｏｗｅｖｅｒｔｈｅｄｅｖｅｌｏｐｍｅｎｔｓｏｆｍｏｌ

7、ｅｃｕｌａｒｆｙ，ｂｉｏｌｏｇｙｂｒｉｎｓｅｘｌｏｓｉｖｅｒｏｗｔｈｏｆｂｉｏｌｏｉｃａｌｄａｔａ？化ｉｓｒｅａｌｌｈａｒｄ化ｄｉｓｃｏｖｅｒｓｏｍｅｇｐｇｇｙｕｓｅｆＵｍ的ｓａｇｅｔｈｒｏｕｇｈｔｒａｄｉｔｉｏｎａｌｂｉｏｌｏｇｉｃａｌｅｘｐｅｒｉｍｅｎｔｓｏｒｓｔａｔｉｓｔｉｃｓ，ａｎｄｉｔｃｏｓｔｓ化ｍｕｃｈ．Ｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｉｓ泣ｄｅｅｐｌｅａｒｎｉｎｇ化ｃｈｎｏｌｏｅｍｅｒｉｎｉｎｒｅｃｅｎｔｇｙｇｇｅａｒｓ．Ｉｔｈａ

8、ｓｂｅｅｎｗｉｄｅｌｙｕｓｅｄｉｎｉｍａｅｒｅｃｏｇｎｉｔｉｏｎｓｅｅｃｈｒｅｃｏｎ化ｉｏｎａ