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
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
& ^( q, [6 v/ q- N* r0 R* w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，
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
$ w: ~. T5 r4 o) A/ Q* Q对未注释DNA 编码区预测进行了建模，实现和分析。
" B  |9 v  d! L. R6 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
) {+ j1 w; M) V: J# r- p5 {, F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
* ]3 C: A8 h0 `9 t% t7 s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
6 `- ]3 ~8 l) [2 y# H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
" h) d4 m. V/ f/ P; U. k1 F% q0 J+ b% @算公式。
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
, W. M7 i* m; w6 ]: g2 r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。
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
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
, c9 r5 k! v, G  J" i1 ^: ~2 o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
% B  `; d) i+ n: {; F点辨识准确度。
- k7 r" u; o: y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
1 l3 ?2 c/ f# \% @5 r" q5 Y3-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
' ~8 t! K# Z6 W述指标识别编码序列的原理进行了概括与总结。
: w7 U% q0 y' S9 K/ E& J! g4 P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 -
' A& w, K# z' z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。
[关键词]：基因识别 功率谱 信噪比 阈值 3-周期特性 联合识别
; ?4 v. q. B2 d) x. n
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。。。。。。。。。