含先验信息的学习机在生物序列分析中的应用

生物序列分析是机器学习和数据挖掘技术一个重要的应用领域。它的特别之处在于,很多有领域背景的先验知识可以在分析过程中得到利用,从而改善分析的效果。在对蛋白质的乙酰化修饰的预测过程中,通过合理地利用先验信息,改进模式提取方法,能够显著地提高支持向量机模型的预测性能。

贝叶斯神经网络在生物序列分析中的应用

生物序列分析在生物信息学中占有重要地位 .本文对贝叶斯神经网络 (Bayesianneuralnetworks)及其在生物序列分析中的应用作了评述 .首先 ,简要地介绍了生物序列分析的重要性并对分析方法作了回顾 ;然后着重介绍了神经网络的贝叶斯学习及算法 ,并分析了算法的优点 ,同时介绍了贝叶斯神经网络在生物序列分析中应用的一个实例 ;最后展望了用贝叶斯神经网络进行生物序列分析的前景及面临的问题 .

基于支持向量机的生物序列分析

支持向量机是一种比较新的机器学习方法,它满足结构风险最小的要求,并且能够适用于高维的特征空间,因此在生物序列分析中得到了广泛地应用。结合基因序列的特点,提出了一种新的核函数--位置权重子序列核函数。这个核函数融合了基因序列中子序列的组成特征和位置信息,能够比较充分地体现序列特征。将这个核函数用于基因剪接位点的识别分析,得到的结果表明,采用了位置权重子序列核函数的支持向量机能够很好的识别剪接位点,与其它方法相比,取得了更高的识别精度。

隐马氏模型在生物序列分析中的应用

随着以功能基因组学和蛋白质组学为主要研究内容的后基因组时代的来临 ,人们面对着“海量”的生物序列数据需要分析处理 .生物序列分析的基本出发点是 :通过计算方法由核酸和蛋白质的序列推导出它们的结构和功能 .依据分子生物学的知识 ,各种数学工具已被广泛地应用于生物序列分析 .其中隐马氏模型就是一种日益受到重视的智能化方法 ,已在生物序列分析中获得了广泛的应用 .

生物序列分析

这次演讲将回顾近 1 0多年来应用某些随机模型于生物序列分析的研究工作 .这些模型本身有很长的历史 ,可追溯到 3 0多年以前 ,尽管从那时起 ,这些模型已经产生了很多新的变种 .在生物序列分析中模型的作用是归总那些涉及到在生物信息学中已知的模体 (motif)或域 (domain)的信息 ,并且提供一种工具在另一序列片段中寻找模体或域的实例 (instance) .我们将逐步介绍模体模型 ,从非常简单的 ,非随机情况开始 ,进而是更复杂的情况 ,直至近来的关于模体的剖面隐马氏模型 .第二个例子是来自利用一个或两个物种的序列数据进行基因发现 ,其中广义隐马氏模型或广义成对 (pair)

深度学习在生物序列分析领域的应用进展

随着生物技术的不断发展和生物学数据的大量产出,传统生物学数据分析方式不足以应对日益复杂庞大的生物序列数据.面对这种情况,国内外学者逐步将深度学习应用到生物学分析中,利用其处理高维数据的优势,取得了一系列进展,并成为生物序列数据分析中的研究热门.为了更好地了解深度学习在生物序列数据分析领域中的新进展,对该领域研究现状进行了综述.首先,介绍深度学习应用到生物序列数据分析中的重要意义;其次,对目前应用领域中具有代表性的深度学习模型进行阐述;然后,分析深度学习在生物学领域的应用研究现状;最后,说明目前深度学习在生物学领域中的局限性,并进一步提出未来发展应考虑的因素.

基于对齐的生物序列相似性分析

生物序列相似性(或差异性)分析是生物信息学研究的一种重要的方法。其中基于对齐的生物序列相似性分析方法,重点介绍基于隐马尔可夫模型的比较方法,并比较基于对齐的各种生物序列分析方法的优缺点。

生物序列集成式分析平台的研制及其应用

应用生物信息学基础理论 ,以信息技术为手段 ,开发了方便高效的生物序列分析平台。该系统可进行核酸及蛋白质序列统计、性质分析、PCR引物设计、联配及同源性分析等。使用该系统设计PCR引物 ,克隆了灰葡萄孢霉菌 3-羟 - 3-甲基戊二酰辅酶A还原酶序列片段 ,并进行同源性分析 ,表明该系统操作简便、分析结果可靠。

生物序列模式分析中神经网络的并行训练策略

神经网络作为模式识别、数据挖掘等方面的有效工具,已被广泛应用到生物序列的模式分析中,而生物序列的超大规模、超长同时也给神经网络提出了挑战,即必须解决训练时间过长、效率低下的问题。本文提出了若干适合生物应用的神经网络并行训练策略,并按其神经网络粒度进行分类,同时分析和比较了各种策略的代价。

生物序列的语义分析与第二密码规则的探索(续)

本文继续讨论蛋白质一级结构序列的语义结构,利用组合分析与图论方法讨论 Swiss - Prot 数据 库的组合结构,给出 Swiss - Prot 数据库中蛋白质一级结构序列的关键词与核心词的定义、搜索 算法与特性参数。并由此给出蛋白质一级结构序列的核心词词典,并由此讨论数据库的复杂性问题、同源蛋白质的分类、预测与比对等问题。

生物序列的语义分析与第二密码规则的探索

生物序列(如DNA、RNA与蛋白质一级结构序列等)都是由一系列小分子团(如核苷酸、氨基酸等)排列组成,如把这些小分子团作为符号单元,那么这些生物序列就是生物序列就是生物学的语言文字,对这些语言文字的结构分析为生物序列的语义分析。生物序列语义分析的内容包括词法与语法的分析,它们是在分子水平基础上的生物语言分析,有关的变化规则我们称之为生物序列中的第二密码规则。本文以Swiss-Prot数据库为基础,利用频率统计、组合分析与信息的度量关系等数学工具,分析蛋白质一级结构序列中的词法规则,给出了关于蛋白质一级结构序列的几种稳定性的度量指标及其相应的稳定性理论,并探讨了它们在蛋白质演变与蛋白质工程中可能产生的应用。

人破骨细胞分化因子(ODF)的克隆和序列分析

目的克隆人破骨细胞分化因子(ODF)基因并进行序列分析。方法以人骨肉瘤细胞系MG63的mRNA为模板,采用RT-PCR方法得到人ODF的编码区cDNA,克隆至载体pUC19中,酶切鉴定后进行序列分析。结果获得人ODF编码区基因和重组质粒pUC19-ODF,DNA序列分析证实获得了ODF基因,其序列和文献报道一致。结论采用基因克隆的方法得到人OPG基因,为进一步进行其结构和功能研究打下了基础。

草鱼LAT2cDNA基因克隆、序列分析及组织表达检测

目的:克隆草鱼LAT2cDNA基因,分析基因生物信息及在不同组织的表达情况。方法:采用RT-PCR方法从草鱼前肠组织克隆LAT2cDNA基因,用生物软件对基因序列进行基因生物信息分析;采用RT-PCR方法检测LAT2基因在组织中的表达情况。结果:成功克隆草鱼LAT2cDNA基因,基因长1 216bp,编码404个氨基酸;与斑马鱼的同源性高达92.5%,而与哺乳类动物的同源性在75.2%～85.2%之间;对其构建的基因系统进化树与传统形态分类相吻合;预测的12跨膜结构中第1到第6个跨膜区与其它动物类似,其中完成转运功能的主要跨膜部位与其它动物同源性高达92%;并在草鱼前肠、中肠、后肠、肝、肾、心、脑、肌肉和鳃组织均检测到基因的表达。结论:为进一步探讨鱼类氨基酸吸收转运代谢及氨基酸转运载体基因表达机理奠定基础。

基于快速沃尔什变换的分子子序列识别

提出了一种基于快速沃尔什变换的分子子序列识别的方法.这种方法不仅能快速识别出子序列并确定子序列的位置,而且极大地降低了CPU运行时间和计算复杂度.结合实例对这种方法进行了分析.

隐马尔可夫模型在生物信息学中的应用

隐马尔可夫模型 ( HMM)是一个能够通过可观测的数据很好地捕捉真实空间统计性质的随机模型 ,该模型已成功地运用于语音识别 ,目前 HMM已开始应用于生物信息学 ( bioinformatics) ,已在生物序列分析中得到了广泛的应用 .本文首先介绍了 HMM的基本结构 ,然后着重讨论了 HMM在 DNA序列的多重比对 。

网上序列类似性检索

随着人类基因组及其他模式生物基因组大规模测序的顺利实施 ,核酸和蛋白质序列数据库的序列数量和碱基个数呈指数增长 ,序列类似性检索成为继序列数据库记录检索之后 ,使用得最多的网上序列分析作业。现在 ,序列类似性检索的类型和软件工具多种多样。

CXCL12-α基因编码区的克隆与生物信息学分析

目的：克隆人源CXCL12-α的成熟肽编码序列后进行生物信息学分析及其蛋白质结构与功能预测。方法：采用RTPCR方法从人骨髓组织中克隆CXCL12-α基因序列,并将编码其成熟蛋白的核酸片段插入原核表达载体pET-30a（＋）中,转化Escherichia coli后进行酶切鉴定和DNA序列测定。利用在线网络生物信息学相关数据库和分析软件对测序结果进行分析,并对重组蛋白的一、二、三级结构及功能等进行验证和预测。结果：获得了基因序列为263 bp的人源CXCL12-α基因,与GenBank中公布序列一致。双酶切鉴定及DNA测序验证结果正确。生物信息学检索该基因编码蛋白的氨基酸序列与理化参数显示,蛋白无跨膜区,在第29位有一个Ser为蛋白激酶磷酸化位点,第1~21位可能为信号肽区域。ɑ-螺旋,无规则卷曲,延伸链和β-转角数量分别占总二级结构的44.94%、22.47%、21.35%、11.24%。同源建模预测信息可信度为0.68,该蛋白G-factor结构计分总平均为0.33,结构检验表明该蛋白属于正常范围内。二级结构和拓扑结构信息、蛋白质结合位点三维图和预测蛋白可能催化口袋及结合位点、三维结构模拟的可视化结构显示其空间结构稳定。结论：人源CXCL12-α分子克隆成功,网络数据库等生物信息学分析及结合蛋白质结构与功能预测可为深入研究CXCL12-α提供理论指导。

质谱技术的新进展及其在生命科学中的应用

文章综述了质谱技术的新进展与CZE MS MS ,MALDI-TOF -MS ,LC -ESI-MS等质谱新技术及它们在生命科学中的应用 .指出这些质谱新技术已被证明在多肽和蛋白质的鉴定、单核苷酸、核酸、糖蛋白的分析等领域是很有效的工具 .