人类基因组中突变对紧邻碱基的依赖性与重组率

减数分裂重组通过基因转变、碱基替换等方式影响基因组进化。紧邻碱基对突变偏好性有很强的影响,但该“紧邻碱基效应”如何随重组率变化有待深入研究。本文提出基于条件互信息(Conditional mutual information)量化突变对紧邻碱基依赖性的方法,并利用人类SNP等相关数据,分析重组率如何影响突变对紧邻碱基的依赖性。结果表明:在全基因组水平上,SNP位点上的突变对紧邻碱基的依赖性(即平均条件互信息)随着重组率的增加而增加;具体而言,当SNPs两侧碱基为A/G、C/G或C/T时,随着重组率的增加突变偏向性增强,但两侧碱基为A/A或T/T时,重组率对SNP突变偏向性产生抑制作用;另外,重组率越高,外显子与基因间区SNP的突变偏好性越强;而内含子区域SNP的突变偏好受到高重组率的抑制。结果有助于深入理解减数分裂重组如何影响基因组进化。

D近邻加权方法在WSVR中的应用研究

根据每个样本在整个样本空间中所处位置的分布来计算不同的权重值,可以更好地度量样本的局部性质。K近邻加权算法的有效性极大程度上依赖于参数K,但是对参数K的选取有很大的主观性。针对这一缺点,对改进的K近邻算法(dependent nearest neighbor,DNN)算法,提出一种基于D近邻点的DNN加权样本方法,并将这种新的加权方法推广到权重支持向量回归机(weighted support vector regression,WSVR)中。UCI公用数据集和股票指数数据实验结果显示,所提方法具有更高的拟合精度和更小的误差,验证了DNN-WSVR方法的可行性和有效性。

基于邻域引力学习的生物地理学优化算法

针对生物地理学优化算法(Biogeography-Based Optimization,BBO)易发生早熟收敛、陷入局部最优的问题,提出一种基于邻域引力学习的生物地理学优化算法(Neighbor Force Learning Biogeography-Based Optimization,NFBBO)。该算法采用邻域选择的方法确定迁出栖息地,以充分利用栖息地的邻域信息,增加算法的种群多样性。同时采用引力学习策略对栖息地进行更新,拓展搜索空间,提高算法的搜索能力,避免早熟收敛问题。为使种群能够自适应地跳出局部最优,引入一种自适应高斯变异机制。基于高维标准测试函数的对比实验表明,NFBBO算法具有更快的收敛速度和更高的收敛精度。

新型教与同伴学习粒子群算法求解作业车间调度问题

针对最小化最大完工时间的单目标作业车间调度问题,提出了新型教与同伴学习粒子群算法。通过教学阶段融合多邻域搜索,采用多样性变异策略以及同伴学习阶段采用混合学习策略三个方面的改进操作,扩大了种群的多样性,避免算法陷入局部最优,算法收敛速度和寻优性能有了显著提高。通过作业车间调度问题FT、LA系列测试实例的对比实验,验证了新型教与同伴学习粒子群算法是解决单目标作业车间调度问题的有效方法。

人类基因组中减数分裂重组对二核苷偏好性的影响

二核苷相对丰度谱是反映基因组整体水平上的选择压力或突变偏好性的"基因组指纹",它在基因组进化研究、系统发生分析中发挥着独特而重要的作用.因此,揭示基因组指纹的形成和进化的压力是基因组进化研究的重要内容之一.本文着重研究人类基因组中二核苷偏好性和减数分裂重组率的关系.结果发现,在整个基因组范围内编码序列的总体二核苷偏好性与重组率显著负相关,而对非编码序列来说却显著正相关.另外,本研究给出了特定二核苷偏好性与重组率的关联模式,并讨论了重组率与二核苷偏好性的相互作用机理.结果表明,重组对基因组指纹的形成与进化有着重要的作用.