大肠杆菌转录起始位点的计算定位方法

根据已有的启动子识别算法,提出了一种基于滑动窗口的大肠杆菌转录起始位点(TSS)计算定位方法,通过在启动子信号特征中引入复合模式来改进识别分类器,并将其用于滑动窗口序列,在合理限定的TSS定位范围内依次计算各个序列位置的TSS似然得分,再利用TSS与翻译起始位点(TLS)的距离分布信息作为TSS的位置得分,两者相结合来进行位置预测。对大肠杆菌真实数据的测试表明,算法可以大幅度减少假阳性结果,实现对真实TSS位置的有效预测。     

一种基于组合特征的大肠杆菌σ70启动子识别算法

启动子识别是研究基因转录调控的重要环节,但目前算法的识别正确率偏低.在深入分析启动子生物特征的基础上,提出了一种基于多种特征组合的大肠杆菌σ70启动子识别算法,在启动子序列的组成特征、信号特征和结构特征中选取10种典型特征,以此为依据,对位于非编码区和编码区内部的启动子分别加以识别.首先通过特征描述模型分别计算各种特征在启动子序列和非启动子序列中的得分,将特征得分组合成10维特征向量,再利用二次判别分析法在特征向量集上进行训练和识别.在实际数据集中进行的刀切法测试验证了算法的有效性.对位于非编码区的启动子,平均正确率达到了86.7%,明显优于其它算法;对位于编码区内部的启动子,平均正确率也达到了82.4%.算法还具有良好的可扩展性,能够方便地容纳新特征,使识别性能不断提高.     

一种基于线性流形的基因表达数据的聚类方法

由于基因表达数据的稀疏性和噪声性,传统聚类算法对其聚类时不能取得好的效果。针对这一问题,一种新的线性流形方法被提出,它的基本思想是搜索数据集中的线流形聚类,再将其中某些线流形聚类融合构造高维流形聚类。该算法将切向距离和法向距离作为线性流形的距离度量,运用空间近邻信息,采用聚类基因的平均表达水平作为转移向量,提高了聚类的准确度。实验结果表明,该算法的聚类准确性优于其它聚类算法,并且对带有噪声的数据可以保持较高的聚类准确度;在对Hela基因表达数据聚类时,算法得到了具有显著生物学意义的聚类。这些都说明提出的算法对基因表达数据聚类的适用性和有效性。     

一种基于KNN-SVR的基因表达缺失值的估计方法

为了消除不相似基因对基因表达谱中缺失值估计的影响,提出了一种基于KNN SVR的缺失值估计方法.该方法先通过最近邻法选出与目标基因表达最相似的一组完全基因,再用这些基因通过支持向量回归对缺失值进行估计.还提出了用标准化偏差的方差来度量算法的稳定性和估计值的可信度.该方法通过对基因的过滤提高了缺失值估计的有效性.实验结果表明,KNN SVR法具有较高的估计精度和稳定性.