人工神经网络在生物信息学中的应用研究

摘要

基于生物、数学、化学、计算机科学、信息科学等学科知识，生物信息学是随之产生的新兴学科。现今生物信息学研究的主要内容包括基因组序列的分析、基因进化、药物设计、基因区域预测、基因功能预测以及蛋白质结构预测等。智能计算方法，如人工神经网络、隐马尔可夫模型、支持向量机、遗传算法等在处理这类数据量大、含有噪声模式并且缺乏统一理论的领域有其独特的优势。
　　本文第一章主要介绍了生物信息学的研究领域和一些不同的在线学习方法。分析了各种模型的优势和不足，指出了改进方向，揭示了本文的主要研究工作。
　　传统的基因调控网络模型，在面对时间和空间复杂度过于庞大的基因表达谱数据时，缺乏有效的求解方法。论文第二章，提出了一个基于BP神经网络构建基因调控网络的新模型。结合复杂非线性映射以及自学习能力方面的知识，该模型将BP神经网络映射成复杂网络。然后通过统计、对比基于不同温度下数据样本构建的网络的参数，发现网络的平均度、平均路径长、平均聚类系数、平均模块数和平均图密度等参数均有所不同，这说明某些基因在不同的温度下的表达数据确实发生了变化。通过计算基因在不同网络中的度差，找出了与温度相关的海胆差异表达基因。
　　第三章为了对蛋白质序列进行更精确合理地相似性分析，首先采用Wang andWang的方法把蛋白质序列转化为一条5-字母序列，并将5个字母均匀分布在以原点为圆心的单位圆周上，得到蛋白质序列的位置坐标。然后，结合氨基酸的3个理化指标，进而用一个5-维向量来表示一个氨基酸。最后，运用自组织映射神经网络对不同的蛋白质向量进行聚类分析，取得了较好的聚类效果。
　　第四章首先分别分析了基因表达谱数据的挖掘方法和蛋白质的分类方法的缺点跟不足之处。最后再对其提出了进一步的研究方向。

目录

声明

摘要

1 前言

2 基于BP算法进行海胆差异表达基因挖掘的基因调控网络

2．1 网络模型

2．2 实验

2．2．1 数据来源

2．2．2 数据处理

2．2．3 建立基因网络

2．2．4 基因网络的比较

2．2．5 差异表达基因的筛选

2．3 模型的动态性和稳定性分析

2．4 结果和讨论

3 基于自组织映射神经网络的蛋白质序列的模型

3．1 网络模型

3．2 数值实验

3．3 结论

4 展望

参考文献

致谢

个人简历、在学期间发表的学术论文与研究成果