基于平均交互信息量的DNA序列相似性分析

序列相似性分析是生物信息学中一个重要问题，对于研究物种的进化起源有着重要的意义。序列相似性算法包括基于序列比对的方法及非比对方法两种。基于比对的方法对于序列整体的衡量略有欠缺；非比对算法中有DNA曲线化方法以及比较序列各自整体碱基分布间的信息量差异的方法，只是考虑了序列整体信息间的差异，但未考虑序列各个位点间的差异。因此，提出了一种基于信息熵的相似性度量模型，把序列比对与信息量差异结合起来，将两条比对后的序列间的平均交互信息量与其联合熵之比作为两条序列的相似性度量。使用该度量构建了11个物种的相似性矩阵，对各物种间的相似性进行了分析，结果在一定程度上与生物分类学相契合。通过距离矩阵所构建的进化树，也反映了各物种间的进化关系，表明该模型的设计具有合理性。

基于支持向量机的DNA序列相似性研究

为了解决传统的支持向量机在分类中不能够逼近任意的分类界面而造成分类精度低的目的,在传统的支持向量机核函数基础上,提出了一种基于遗传算法优化的支持向量机结构模型,并将该方法应用在DNA序列分类上。实验结果表明该算法在同等条件下要比传统的SVM分类方法具有更加优越的特征提取性能。支持向量机能在概论分布函数未知的条件下对DNA序列进行分类。它主要考虑如何利用少量的标注样本和大量的未标注样本进行训练和分类的问题,半监督学习对于减少标注代价,提高学习机器性能具有非常重大的实际意义。

The number of alignments between two DNA sequences

We consider two DNA sequences and compare both sequences. One of the crucial issues in bioinformatics is to measure the similarity of two DNA sequences. To this purpose one has to consider different alignments between both sequences. The number of alignments grows very rapidly with the length of the sequences. In this paper we give exact, explicit and computable formulas for the number of different possible alignments and for some classes of reduced alignments. We provide a new insight into the theory of DNA sequence alignment.