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- N- H" V8 Y( h$ l! w: C' k
摘 要：
% ^ E# n% Z0 V1 z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
8 r; E! e. S0 k* L7 C/ S l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，3 Z2 W" k* N5 ], l9 f8 [# @" N
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. q' S7 ^5 M& n7 {9 s1 }6 s4 v# z
对未注释DNA 编码区预测进行了建模，实现和分析。
3 c- L" j6 t$ D( K' q% U- l& j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+ E% i; s/ N. h S/ R/ X2 J; c: {
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1 }, a2 s9 H* [. \: H
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, p M" v7 e. V& d4 U
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* n3 x* K% v3 O0 |. n; @( |1 J. m/ b
算公式。# i! w6 }, v1 |% N
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
8 b1 W4 w8 ?5 N" K. D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、6 C! y0 Z2 n9 N V( o1 Z
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4 i1 Q0 a; a% o0 S
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。
( e( B- \2 ^/ t! m) @$ J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9 G3 Q, u9 Q7 w; v9 b* u k% [, @
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
2 e% r, q4 N# ]/ 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 D* Z3 W, C5 V- k, s; [
点辨识准确度。! R0 I5 E3 M f- @
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 E! q K: ~0 _" E& R! P
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
; Q" |) ^' r6 h1 G! [述指标识别编码序列的原理进行了概括与总结。
5 _- ? o6 B0 w* 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# h' `9 D5 T, O+ H2 P6 V2 |
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 i' b6 D4 m( F3 w! V
- 2 -& ]7 }; f: o% z) Z" e# ?& l
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。
1 Z$ R. T" i4 h6 T[关键词]：基因识别 功率谱 信噪比 阈值 3-周期特性 联合识别
B0 E; o! l0 u! X2 h
( J% v) a4 D Q! p8 O) f5 E
A10422053楚何程.pdf
(1.38 MB, 下载次数: 109)
|
zan
|
IP卡
狗仔卡
发表于 2013-7-30 05:06
转播
淘帖
分享
收藏
支持
反对
微信
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
发表于 2013-8-16 17:51
