基于词向量的流感病毒宿主预测和病毒序列鉴定

《基于词向量的流感病毒宿主预测和病毒序列鉴定》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、宝柃代．号１０５３２学号Ｓ１５１０Ｗ０６６８３９１密级分类号ＴＰ戀ＨＵＮＡＮＵＮＩＶＥＲＳＩＴＹ工程硕士学位论文基于词向量的流感病毒宿主预测和病毒序列鉴定堂位由请人姓名徐贝贝培养单位信息科学与工程学院异师牲名乃ＩＲ称彭友松副教授蒋太交教授学科专业软件工程研究方向生物信息学论文提交日期２０１８年５月９日学校代号：１０５３２学号：Ｓ１５１０Ｗ０６６８密级：湖南大学工程硕士学位论文基于词向量的流感病毒宿主预测和病毒序列鉴定学位由请人姓名：徐贝ｒｏ导师姓名及职称：彭友松

2、副教授蒋太交教授培养里位：信息科学与工稈学院专＃名称：软件工趕论女揺交日期：２０１８年５月９日论女答银日期：２０１８年５月２３日答辩委员会主庶：骆嘉伟教授ＰｒｅｄｉｃｔｉｎｇｔｈｅＨｏｓｔｏｆＩｎｆｌｕｅｎｚａＷｕｓｅｓａｎｄＩｄｅｎｔｉｆｉｎＳｅｕｅｎｃｅｓｏｆｇｑＶｉｒｕｓｅｓＢａｓｅｄｏｎＷｏｒｄＶｅｃｔｏｒｂｙＸＵＢｅｉｂｅｉＢ．Ｅ．ＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏ２０１５（ｇｙ）Ａｔｈｅｓｉｓｓｕｂｍｉｔｅｄｉｎａｒｔｉａｌｓａｔｉｓｆａｃｔｉｏｎｏｆｔ

3、ｈｅｐｒｅｑｕｉｒｅｍｅｎｔｓｆｏｒｔｈｅｄｅｇｒｅｅｏｆＭａｓｔｅｒｏｆＥｎｇｉｎｅｅｒｉｎｇｎｉＳｏｆｔｗａｒｅＥｎｉｎｅｅｒｉｎｇｇｔｉｎｈｅＧｒａｄｕａｔｅＳｃｈｏｏｌｏｆＨｕｎａｎＵｎｉｖｅｒｓｉｔｙＳｕｐｅｒｖｉｓｏｒＡｓｓｏｃｉａｔｅＰｒｏｆｅｓｓｏｒＰｅｎｇＹｏｕｓｏｎｇＰｒｏｆｅｓｓｏｒＪｉａｎｇＴａｉｊｉａｏＭａｙ，２０１８湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研宄所取得的研宄成果。除了文中特别加以标注引用的内容外，本论文不包

4、含任何其他个人或集体已经发表或撰写的成果作品。对本文的研宄做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：徐日期：年ｔ月泌曰见足学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行、。检索，可以采用影印缩印或扫描等复制手段保存和汇编本学位论文本学位论文属于１．保密□，在年解密后适用本授权书。２．不保密０。“

5、”（请在以上相应方框内打Ｖ）作者签名：尤於Ｊ０１曰期：＞啓年ｔ月沒曰导师签名日期：＞〇谈年夕月欲日Ｉ基于词向量的流感病毒宿主预测和病毒序列鉴定摘要近年来，新发突发传染病对于人类社会的威胁越来越大。随着基因组学技术，，信息技术，人工智能的迅速发展融合多个学科的生物信息学方法和技术在传染病防控领域发挥着越来越重要的作用，。本文通过对自然语言和生物序列的类比将自然语言处理中的词向量表示法应用于生物序列的特征提取和表示，继而基于生物序列的词向量表示，研宄了Ａ型流感病毒的宿主预测以及病毒序列的鉴定。．本文的主要工作如下：一１Ａ型（）提

6、出了种基于词向量的流感病毒宿主预测的计算方法。流感病毒不仅对人类健康造成极大威胁，而且给人类社会造成了巨大的经济损失。快速确定流感病毒的宿主将有助于评估新发突发流感病毒的潜在风险。本工作通过类比自然语言与生物序列，将自然语言处理中的词向量方法应用于Ａ型流感病毒宿主预一测。具体来说，本文采取种简单的生物序列分词方法，将Ａ型流感病毒的ＤＮＡ序列和蛋白质序列使用自然语言处理工具ｗｏｎＤｖｅｃ表示成实值向量，进而基于这些序列的特征向量表示，构建分类模型预测Ａ型流感病毒的禽、人、猪三类宿主。实验结果表明，该计算方法对Ａ型流感病毒宿主预测有很好的效果，其中，建立

7、在表面蛋白ＨＡ和ＮＡ（或它们的基因）上的模型效果要优于建立在内部蛋白（或它们的基因）上的模型效果。对禽、人、猪三种流感病毒宿主的最高预测准确率９８９％、９７９％、９１９％，分别达到了．．．。同时本文将基于词向量方法的宿主预测效．－果与基于同源性搜索以及基于ｋｍｅｒ方法的宿主预测效果进行了比较分析，结果一－表明：基于词向量的方法和基于ｋｍｅｒ的方法在整体上基本致，基于词向量的＇方法整体上要优于同源性搜索方法。提出了一（２）种基于词向量的病毒序