基于联合识别的基因预测

madio

题 目 基于联合识别的基因预测
. Q* k" s9 [; q% K# Y摘 要：
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
& z$ J; s: K; R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，
5 I. N6 W5 T: Q1 v# q' `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
/ n" u' G2 V$ s! v0 G1 r对未注释DNA 编码区预测进行了建模，实现和分析。
# h  o9 [9 g1 A& j- Y+ `8 B5 R9 s  \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
. X! Z. F* G' m& ~0 K. a' U& Q7 T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
4 E7 {: [0 ]) @& r* D' m. ^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
, ?) @% w1 b; E4 N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
! A* q8 P8 z3 n# c; `9 \算公式。
% j7 I4 U3 W' S3 P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
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、
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
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。
+ ^% p; K2 ~8 d$ z2 e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
0 Q. q0 }& w: A8 Y5 d8 e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
: I6 G+ T1 b2 x" H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
: Y7 L' M5 a0 {+ F点辨识准确度。
7 x4 r% g. h8 m' b; O) ~7 s8 x# w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
- v# Q# I/ J1 p9 d0 B3-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
述指标识别编码序列的原理进行了概括与总结。
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
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
2 i& E7 f9 o" G$ ?* A- 2 -
+ W% p* a+ f5 D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。
0 D7 U! f. x; [& o[关键词]：基因识别 功率谱 信噪比 阈值 3-周期特性 联合识别
; c/ \0 H  f' f* i# q" Y0 I  u$ }. @
8 ^9 X9 E8 f9 S A10422053楚何程.pdf (1.38 MB, 下载次数: 109)

2013-7-30 05:06 上传

点击文件名下载附件
下载积分: 体力 -2 点

250548810@qq.co

学习一下~~~~~~~

yahsu

谢谢分享   好东西

yahsu

好东西  谢谢分享

夏朗的芒果

谢谢楼主分享。。。学习ing

sx2460927670

好贴。。。。。。。。。
+ j$ e) y+ N/ k5 C% k5 `