《生物信息学论文：一种新的基于特征聚类的网络motif识别算法》由会员分享，可在线阅读，更多相关《生物信息学论文：一种新的基于特征聚类的网络motif识别算法（3页珍藏版）》请在金锄头文库上搜索。
1、 生物信息学论文：一种新的基于特征聚类的网络 motif 识别算法【中文摘要】随着大规模基因组测序、基因预测以及注释工作的完成,生物信息学研究进入了后基因组时代,系统生物学作为其中一个新兴的研究领域,受到了越来越多的关注。与此同时,motif 识别问题的研究也由仅仅针对生物序列数据(DNA 序列、蛋白质序列)拓展到了复杂生物网络的层面上。网络 motif 识别技术作为研究生物网络的结构设计规则及网络发展规律和趋势的有力工具,已成为当前系统生物学领域的研究热点之一。近年来,在网络 motif 识别算法研究方面,人们已经探索出一些有效的算法,这些算法在解决较小规模的网络 motif 识别问题时表现
2、出了良好的性能。但是,随着数据规模的不断扩大,很多算法已无法适应问题的需要。所以,积极探索更加有效的网络 motif 识别算法已成为当今网络 motif 识别研究中的一项重要课题。本文首先对网络 motif 识别技术的基本思想进行了分析,并详细研究了现有的各种网络 motif 识别算法。在此基础上,我们提出了一种新的基于特征聚类的网络 motif 识别算法FCMD算法。该算法与以往识别算法不同的是它通过构造基于顶点的局部结构表达形式来描述网络 motif 的拓扑结构特征,从而有效地降低了算法复杂度。FCMD 算法还引入了聚类的.【英文摘要】With the successful complet
3、ion of large-scale genome sequencing, gene prediction, as well as the work of the notes, bioinformatics research comes into the post-genome era. As one of the newest research field in bioinformatics, systems biology has attracted more and more attentions. At the same time, the research of motif dete
4、ction has expanded from biological sequence data (DNA sequences and protein sequences) to the level of complex biological network. Network motif detection technology is exactly a powerf.【关键词】生物信息学 网络 motif 识别 特征聚类 AP 算法【英文关键词】Bioinformatics Network motif detection Feature clustering AP algorithm【目录】
5、一种新的基于特征聚类的网络 motif 识别算法 摘要 3-4 Abstract 4 目录 5-7 第一章 绪论 7-13 1.1 研究背景 7-8 1.2国内外的发展现状 8-9 1.3 研究的意义和目的 9-11 1.4 本文的主要内容及结构安排 11-13 第二章 网络 motif 识别算法的相关知识 13-27 2.1 网络 motif 及其生物学意义 13-14 2.2 相关的基本概念 14-19 2.2.1 图的概念 14-17 2.2.2 复杂网络 17-19 2.2.3 随机网络 19 2.3 网络 motif 识别的基本思想及算法回顾 19-26 2.3.1 网络 motif
6、 识别的基本思想 20-23 2.3.2 网络 motif 识别算法回顾 23-26 2.4 本章小结 26-27 第三章 基于特征聚类的网络 motif 识别算法 27-41 3.1问题的提出 27-29 3.2 基于顶点的特征表达形式 29-31 3.2.1 子图结构的构造 29-30 3.2.2 输入图的特征矩阵表示形式 30-31 3.3 特征空间中的聚类 31-37 3.3.1 聚类分析及算法 31-32 3.3.2 近邻传播聚类算法(AP 算法) 32-36 3.3.3 对AP 算法距离测度的改进 36-37 3.4 网络 motif 的判定标准 37-39 3.4.1 聚类规模的
7、判定 37 3.4.2 子图类型出现次数的判定 37-39 3.4.3 综合判定 39 3.5 FCMD 算法流程 39-40 3.6 本章小结 40-41 第四章 算法性能分析及与其它算法的实验比较 41-49 4.1 实验平台 41 4.2 实验数据的选取 41-42 4.3 实验结果与分析 42-47 4.3.1 FCMD 算法的可行性实验 42-45 4.3.2 FCMD 算法与其它识别算法的比较 45-47 4.4 本章小结 47-49 第五章 总结与展望 49-53 5.1 总结 49-50 5.2 展望 50-53 致谢 53-55 参考文献 55-59 硕士期间发表的论文 59
