TA的每日心情 | 奋斗 2024-7-1 22:21 |
|---|
签到天数: 2014 天 [LV.Master]伴坛终老
- 自我介绍
- 数学中国站长
 群组: 数学建模培训课堂1 群组: 数学中国美赛辅助报名 群组: Matlab讨论组 群组: 2013认证赛A题讨论群组 群组: 2013认证赛C题讨论群组 |
题 目 基于联合识别的基因预测
& r' F/ Y5 i$ ~! h6 j- f摘 要:
( j6 m6 n$ C: N4 T" Z; c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
/ [; n* @! I' \( L8 o/ L( v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,& `4 C' d. q2 k
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
; K; T ~8 m' K" @0 U对未注释DNA 编码区预测进行了建模,实现和分析。 L) f m# R1 V4 l8 K' W
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
& i5 T! W6 m3 {% W0 m3 `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9 {" J b+ {# Q7 {7 C
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- ]# Q- ^, ]( e) L
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
7 G, N( S" R: K算公式。3 T ?# ?& I G; n# R! L1 G4 \
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7 q0 ^% {8 }% T' q l3 f
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、% k0 q5 F+ e9 ^/ F9 y- _5 {
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
) P8 |8 b: P X! c7 A4 S, ]1 x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。
$ G5 u F7 H% Y0 N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( j! Y8 `( u4 w7 H
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* j( t! G" I0 s5 x2 |& @
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
; I! Y4 x& B: X" r! U2 `4 B点辨识准确度。5 K4 w2 u( T8 v* p
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
9 ^) g# w. w9 p3-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3 @- a8 n n+ U9 @, S% c' f
述指标识别编码序列的原理进行了概括与总结。! A' y) H" O$ d, p4 Y
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6 ~" V* P# w* a) n6 ~
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
7 p" l, t, k, m, Z& u, e- 2 -
: P7 b. j6 f$ u6 x# m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。
2 k3 W5 S* u$ |9 K$ j/ s' D0 M[关键词]:基因识别 功率谱 信噪比 阈值 3-周期特性 联合识别
; X% O6 Y1 b, u2 ^
! q2 k4 S4 R. L4 ^ P! V
A10422053楚何程.pdf
(1.38 MB, 下载次数: 109)
|
zan
|