基于EM的隐马氏过程随机迭代算法及其在生物序列启动子识别中的应用

随着后基因组时代的到来,如何去揭示序列背后隐藏的生命信息已成为当前生命科学探讨的主题。而控制基因表达的正是启动子序列,如何去识别和预测序列的启动子区域是基因研究的重点课题。隐马尔可夫模型是最近几年研究基因最主要的模型。本文首先探讨了EM算法并提出了随机迭代算法,在初始状态分布和散发矩阵都随机假设,而转移矩阵由序列计算出的条件下对人类启动子序列进行识别,平均识别率达到了92.05%。改进了多分类问题中的“投票策略”,提出了“一票决定”算法,使算法次数由O(N2)降到了O(N),由此对多个DNA家族进行分类,正确率达90.73%。从结果上看,在两类问题上,支持向量机比隐马尔可夫模型优越,但在处理多分类问题上隐马尔可夫模型却比支持向量机有更强的分类能力。

高等植物启动子研究概述

植物启动子是基因表达不可缺少的重要顺式作用元件,对其结构与功能深入研究不仅对于了解植物生长发育机制与防御机制具有重要意义,且可为利用转基因植物工程实现基因的高效特异表达提供有效途径,以期为启动子的研究提供参考。本评述综述了真核生物启动子构成,包括核心启动子区的TATA-box、CAAT-box、起始子元件和下游启动子元件;远端区的增强子、沉默子、绝缘子元件;以及非翻译区调控元件,并对启动子分类及研究方法进行简要介绍。