数学建模社区-数学中国

标题: 基于联合识别的基因预测 [打印本页]
作者: madio    时间: 2013-7-30 05:06
标题: 基于联合识别的基因预测
题 目 基于联合识别的基因预测
+ B8 l  m0 l5 c* [1 C摘 要：  A7 k5 v# W5 Q9 N
本文围绕基因序列识别问题，在合理假设的基础上，通过数学推导证明voss
4 J9 S# G3 u7 @$ H+ X映射和Z-curve 映射效果等价，并给出了实数映射的快速算法。而后通过统计分析，
6 b/ n  e4 \* g& e, u模型优化对不同类物种进行了信噪比阈值确定并验证其有效性。最后根据联合识别
2 H' Y4 L$ m3 z; q4 D# K对未注释DNA 编码区预测进行了建模，实现和分析。
) b+ l$ t$ S4 h针对问题1：推导出了Voss 映射下功率谱与信噪比的快速算法。其中，功率谱- _! i9 G2 r  }% w
算法仅需统计，无需进行繁杂的DFT 变换；信噪比算法把加窗处理和平均处理结
6 G' G* ]# z6 e; A; w4 [  ~合起来，大大加快计算速度。同时推导得出：Z-curve 映射下的频谱和信噪比分别
' J3 O! c3 \. `为Voss 映射下的频谱和信噪比的4 倍和4/3 倍，并得出实数映射下信噪比的快速计! ]; \1 T8 W  c+ F' ]7 m5 ~
算公式。
4 e7 y4 u- b4 ?; Z针对问题2：采用3 种阈值确定方法：经验阈值法、最优化方法、曲线法分别$ F. [2 P' F; J( Q) v
对人、小家鼠、褐家鼠、哺乳动物4 类基因进行阈值确定；依据敏感性、专一性、
5 h; h* E1 [# ?+ t总正确率3 指标分析不同阈值确定方法的基因判别效果，确定了基因的最优的阈值- H: y0 [3 Y$ o  _5 a
确定方法，并得到其最优信噪比阈值；最后针对误判原因进行了初步探讨。) l' ^/ F9 }" Y& K. m3 H$ F
针对问题3：单一的固定窗口的功率谱图或是移动序列的信噪比曲线图在识别
; j0 Y8 ^& r- |" F) _8 x* a上不够精确，通过两种曲线的联合识别，能更精确的判断外显子片段（区间和两端/ z% G8 C/ p1 }* I4 p* ~. U! E! C
点）。且通过Matlab 里的Sequence Viewer 对所识别片段进行进一步辨识，提高了端! u) ~  D7 h& j# H. M
点辨识准确度。  e5 f0 t9 H. i, G. u& |9 G: ]2 `
针对问题4：总结出以下几种能够识别基因编码序列的特征指标，分别为“非, i0 w5 r% `" b2 F8 ~
3-碱基周期性”编码序列指标，旋转矢量指标，非均匀指标及干涉指标。并对采用上6 H' N5 K  v# J- A
述指标识别编码序列的原理进行了概括与总结。
2 z2 q2 a- Q& J  e" G( s( N8 t本文亮点在于：（1）找到2 种最优阈值确定方法，通过统计其判别正确率，判
) M& v- {% c; E+ w. c* K别效果均好于以2 为阈值的经验法；（2）结合固定窗口滑动法与移动序列的信噪比3 k* T, M5 c: y' P8 F! d. x8 c% _, D
- 2 -7 ~3 n4 S+ N$ R4 _
曲线法对基因识别的特点，提出联合识别理论，提高了辨识效果。
% m. b4 ~4 j& C5 w) q5 O$ y[关键词]：基因识别 功率谱 信噪比 阈值 3-周期特性 联合识别8 N6 b0 Q) _- {& \$ B1 i

. w: Z; z7 k- T* \& r A10422053楚何程.pdf (1.38 MB, 下载次数: 109)
作者: 250548810@qq.co    时间: 2013-8-16 17:51
学习一下~~~~~~~
作者: yahsu    时间: 2014-6-8 18:49
谢谢分享   好东西
作者: yahsu    时间: 2014-6-9 17:17
好东西  谢谢分享
作者: 夏朗的芒果    时间: 2014-8-31 09:08
谢谢楼主分享。。。学习ing
作者: sx2460927670    时间: 2015-8-28 15:46
好贴。。。。。。。。。
( j9 h, E% H7 U



欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5