基于最小生成树的多序列联配算法

多序列联配(MAS)是现代生物信息学中的重要工具之一,MAS问题是NP-难的,因此需要一些启发式方法在合理的时间内联配大的数据集。本文提出了一个基于最小生成树的多序列联配算法,并使用BALiBASE标准数据集合,对我们的算法进行了性能评价,结果表明算法较之ClustalX类的算法其精确度更高。

一种基于极值思想的多序列联配求精算法

多序列联配(MSA)是一个NP问题,为了取得一个好的联配结果,常用渐进和迭代两种方法,但渐进方法不能调整早期的错误,迭代方法面临怎样跳出局部最优的问题。该文提出了一种新的求精方法,该方法基于极值遗传算法和挖掘策略。极值遗传算法基于极值组合元素,能够减少搜索空间,易于找到全局最优解。算法实现过程中,首先用挖掘算法挖掘出已知联配中的不良序列块,然后所有的不良序列块用极值遗传算法重新联配。当初始的序列是用渐进算法联配时,新的求精方法能调整早期的一些错误,充分结合渐进和迭代算法的优点。最后算法用来自于数据库BAliBASE中数据进行了验证。

竞争PSO在多序列联配中的应用

论文提出了一种求解多序列联配的竞争粒子群优化算法,算法根据适应值分类设计了粒子群的惯性权重及其飞行速度范围,并进行了动态调整,提高了算法的收敛速度和精度;引入了重新初始化机制,有效地避免粒子群优化算法可能出现的早熟现象;提出了一种全新的速度更新模式和竞争策略,增强了算法的能力。实验表明该算法是有效的。

基于计算机编程的多序列联配技术在中药研究中的应用

从七个方面概述了生物信息学多序列联配技术在中药研究中的应用,包括:中药功能基因的快速筛选与鉴定,中药资源的分子鉴定与本草考证,中药新资源的发现,中药蛋白成分的结构与功能预测,中药活性成分的虚拟筛选,中药活性成分作用靶点的预测以及基于中药的计算机药物设计。

新型粒子群优化算法在多序列联配中的应用

将粒子群优化算法应用于序列联配,提出了一种改进的粒子群优化算法,该算法在粒子群的进化过程中根据粒子的适应值动态地调整粒子群的惯性权重与粒子群飞行速度范围,提高了算法的收敛速度和收敛精度;针对PSO算法可能出现的早熟现象,引入重新初始化机制,增强了算法的搜索能力,实验表明该算法是有效的。

一种基于极值域组合的多序列联配求精算法

多序列联配(MSA)是一个NP问题,常用的方法有渐进法和迭代法,但渐进方法不能调整早期的错误,迭代方法面临怎样跳出局部最优的问题。针对多序列联配问题,提出了极值域组合思想和挖掘策略,极值域组合能够减少搜索空间,易于找到全局最优解。最后得到一种基于极值遗传算法和挖掘策略的多序列联配求精算法。算法用来自于数据库BAliBASE中的数据进行了验证。

多序列联配问题的模拟退火求解

在描述多序列联配问题及其优化模型的基础上 ,构造了适合多序列联配问题的邻域结构 ,给出了一种使用模拟退火算法求解该问题的方案 ,并给出了该方案的一个实例 ,实验结果表明 ,模拟退火求解多序列联配问题是有效的 .

基于免疫粒子群优化算法集成的多序列联配

新的免疫粒子群集成算法是根据个体的浓度和适应值概率,利用免疫机制,在粒子群优化算法中设计了免疫替换算子,有效防止了粒子群优化算法易陷入局部最优的缺陷;通过集成技术,充分发挥各种粒子群优化算法的优点,实现协同演化,提高了算法的全局搜索能力。最后用免疫粒子群集成算法去进行多序列联配,实验证明了算法的有效性。

Excel在肿瘤抗体氨基酸序列联配中的应用

氨基酸序列的序列比对是研究蛋白的结构和功能关系的有力工具。本文利用Visual Basic for Applications的宏功能,采用Needleman-Wunsch算法在Excel中建立模型,对两条人类肿瘤抗体的氨基酸序列进行序列配联,找出它们的同源性。通过和一些常用序列分析软件的比较,这种方法简单、直观和易于接受。

剖面隐马氏模型训练算法的改进

利用剖面隐马氏模型获得多序列联配,一般需要经过初始化、训练、联配三个过程．然而,目前广泛采用的Baum-Welch训练算法假设各条可观察序列互相独立,这与实际情况有所不符．本文对剖面隐马氏模型,给出可观察序列在互相不独立情况下的改进Baum-Welch算法,在可观察序列两种特殊情况下(互相独立和一致依赖),得到了改进算法的具体表达式,讨论了一般情况下权重的选取方法．最后通过一个具体的蛋白质家族的多序列联配来说明改进算法的效果．