基于隐马尔科夫模型的基因预测算法

为更好地从DNA序列中识别蛋白质编码区,提高计算效率,将隐马尔科夫模型与前向算法相结合,提出一种生物基因的预测算法.理论证明,该隐马尔科夫模型与经过EM算法优化后的模型具有相同的参数,能够降低计算量,提高计算效率.利用该方法对DNA序列F56F11.4a的外显子进行识别的仿真结果表明,该算法是有效的.     

基于改进的MIMLSVM预测蛋白质功能

针对MIMLSVM算法预测精度不高的问题,设计了一种新的基于改进MIMLSVM预测蛋白质功能模型.首先,采用改进的Hausdorff方法计算包之间的空间距离,并结合K-Medoids方法将MIML(多示例多标签)问题退化为多标签问题,以提高预测精度;然后,利用SVM算法将多标签问题转化为多个独立的二分类问题,结合蛋白质数据的特点,建立蛋白质功能预测模型,并利用粒子群算法优化模型参数;最后,通过对7种生物蛋白质功能预测的实验,证明所建模型的优越性.     

基于深度学习和支持向量机的基因结合蛋白预测

针对传统的方法对蛋白质预测的精度低且需要人工提取环节等问题,提出一种基于深度学习和支持向量机的基因结合蛋白预测算法;该算法将卷积神经网络与门控循环单元结合,搜索蛋白质序列,保留蛋白质序列中氨基酸的位置依赖性,利用支持向量机代替神经网络的Softmax分类器对蛋白质的特征序列进行预测;将该模型分别在基准数据集DBP2858和PDB14189上进行对比实验。结果表明,该模型具有更好的脱氧核糖核酸结合蛋白预测能力,并且预测精度和效率均较高。     

基于小波分析法的蛋白质结构研究

用小波的方法预测了一个已知结构蛋白质的二级结构，并把它同互连网蛋白质结构预测服务及其他结构预测软件得到的二级结构进行比较。结果表明：该方法可以较好地确定蛋白质的二级结构且不必进行同源蛋白质序列的联配。在预测未知结构的蛋白质序列方面，该方法与其他方法相比，预测结果并无显著差异，这说明小波分析法可以用于蛋白质结构研究，若与其他方法结合用于结构预测,将会起到更好的作用。     

应用于蛋白质折叠模拟的三种新蒙特卡罗方法的比较

新蒙特卡罗方法是一类随机算法的统称．这类算法已被应用于蛋白质折叠的模拟计算，并取得了较好的结果．该文将并行回火与遗传算法的混合算法、群体模拟退火方法以及群体模拟退火方法与遗传算法的混合算法这3种改进的蒙特卡罗方法应用到蛋白质折叠模拟计算，并就二维网格模型比较了这3种方法搜索最小能量构象的能力以及计算了得到最小能量构象所花费的时间．计算机模拟计算的结果表明，3种方法对于短序列蛋白质折叠结构的预测都较为有效，而群体模拟退火方法与遗传算法的混合算法则比其它两种算法所花费的计算时间要少，也就更为有效．     

酵母蛋白质的序列相似性分析

介绍了蛋白质序列相似性分析的进展，并以对酵母蛋白质所做的工作为例，详细说明了蛋白质序列相似性分析的过程和有关算法，阐明了将蛋白质的结构分析和功能预测结合起来对序列相似性分析的意义，还针对蛋白质结构分析和功能预测的方法，提出了一些目前存在的问题，作为以后研究工作的出发点。     

基于杂草算法的DNA编码序列研究

在DNA自组装过程中,DNA序列的设计是影响DNA组装在可靠性和稳定性问题上的重要因素。为降低DNA组装时出现碱基错误匹配的概率,提出了一种用于DNA序列设计的入侵杂草优化(IWO)算法。采用汉明距离约束、相似度约束、连续性约束、发卡结构约束及解链温度约束建立一个多目标函数优化的数学模型,将DNA序列集设计问题抽象为带有约束条件的多目标优化问题。通过将该算法产生的编码序列和其它两种优化算法产生的序列进行对比分析,证实了该算法的有效性,并拓展了算法在离散空间中的应用。     

基于免疫算法的时间序列预测模型

在自然科学和社会科学中,大量的决策问题需要利用时间序列模型进行预测,针对时间序列参数估计的不精确,往往会对预测结果造成影响的问题,提出一种基于免疫算法优化时间序列模型参数的方案,该方案利用免疫算法精确计算的优势,先利用最大似然参数估计方法将时间序列模型的待定参数表示成其样本观测值联合概率的似然函数,然后使用免疫算法求得该函数的极值,从而可以得到时间序列模型的待定参数,最后为了验证该模型预测的精确性,使用上证指数和深证指数的金融时间序列的数据作为测试样本数据集,我们将预测结果与标准的AR-MA时间序列模型和其他预测模型进行比较,以分析它的性能.     

基于混合统计模型的DNA序列压缩算法

基于专家模型算法(XM算法)原理和有限上下文混合统计模型估计DNA序列每一个符号的概率,提出一种基于混合统计模型的DNA序列压缩算法.将采用混合统计模型计算出的概率估计应用于算术编码中,对标准DNA序列集的符号位进行压缩编码.实验结果表明,文中提出的混合统计模型能得到比原有限上下文模型更好的压缩效果,且能比其他经典DNA序列压缩算法产生更大的压缩率,弥补基于统计信息的当前较先进的XM算法用于标准DNA序列集时一些数据的不足,但对高通量DNA系列的压缩效果有待提高.     

基于一种新型马尔科夫模型的预测蛋白质亚细胞位点的方法

亚细胞位点是蛋白质很重要的功能特征.找到一种有效的、可信度高的预测蛋白质位点的方法是很必要的.提出了一种基于马尔科夫模型的改进预测方法.首先,对于一条给定的蛋白质序列,通过计算在马尔科夫模型下20个氨基酸残基的状态转移矩阵,建立一个420维的特征向量,然后利用支持向量机进行训练和预测,最后夹克刀检验证实了该方法的预测精度与以前的马尔科夫模型相比得到了一定的提高.     

利用发夹结构分子实现栈式结构的DNA计算模型

为使DNA计算机能像电子计算机一样解决数据的组织与存储问题, 提出了一种利用发夹结构分子实现栈式数据结构的DNA计算模型,描述了数据的存储和组织方式以及元素入栈、 出栈等操作的生物操作过程。经验证, DNA计算模型求解数据的组织问题是可行的, 有助于DNA计算机走向实际应用。     

最大独立集问题的表面计算模型

DNA计算是解决一类难于计算问题的一种新方法,最大独立集问题是一个著名的NP完全问题,最大团问题及最小覆盖问题等价于最大独立集问题。本文中,我们尝试将最大独立集转化为0-1规化问题,利用0-1规化问题的表面计算模型求解最大独立集。本文充分说明了NP-完全问题可以相互转化的性质。     

基于k-臂分子求解最短路径的DNA计算模型

为有效求解最短路径问题, 避免传统算法计算量大、 求解时间长的问题, 充分发挥DNA(Deoxyribo Nuclec Acid)计算的并行性在求解复杂计算问题的优势, 提出一种基于k-臂分子和粘贴计算求解最短路径问题的DNA计算模型, 阐述了顶点、边及权值的编码方案, 描述了求解最短路径的DNA算法, 经验证, 该模型对求解最短路径问题是有效的。     

A novel DNA computing model based on RecA-mediated triple-stranded DNA structure

The field of DNA computing emerged in 1994 after Adleman’s paper was published. Henceforth,a few scholars solved some noted NP-complete problems in this way. And all these methods of DNA computing are based on conventional Watson-Crick hydrogen bond of doublehelical DNA molecule. In this paper, we show that the triple-stranded DNA structure mediated by RecA protein can be used for solving computational problems. Sequence-specific recognition of double-stranded DNA by oligonucleotide-directed triple helix (triplex) formation is used to carry out the algorithm. We present procedure for the 3-vertex-colorability problems. In our proposed procedure, it is suggested that it is possible to solve more complicated problems with more variables by this model.     

三维DNA自组装在多维背包问题中的应用研究

利用DNA自组装执行计算的思想已从实验上被证明了其可行性．已有多种理论模型被提出用以解决各种NP问题．基于DNA Tile自组装模型理论在二维下的扩展,本文设计了可以实现这一算法的三维DNA Tile组装系统,提出了一种用于解决多维背包问题的三维DNA自组装模型．该模型可以非确定性的输出可行性解决方案．分析表明系统可以在线性组装步骤内完成计算,所需的Tile种类数与问题维数无关．为探索三维DNA自组装的计算能力进行了一次有意义的尝试．     

DNA粘接计算模型及其应用

DNA计算是应用分子生物技术进行计算的新方法。应用形式语言及自动机理论技术研究DNA计算理论,有利于推动理论计算科学的发展。本文根据DNA分子的结构及特点给出了DNA分子的形式化描述,介绍了DNA粘接计算模型的文法结构和计算能力,并应用DNA计算方法求解3-SAT问题。     

图的最小顶点覆盖的粘贴DNA计算模型

本文在对经典粘贴模型以及全信息化的粘贴DNA计算模型的基本方法进行充分讨论的基础上,提出一种用粘贴DNA计算模型解决图的最小顶点覆盖问题的新方案,将数学问题的求解同并行生物操作有效结合.     

DNA芯片在最短公共超串问题中的应用

DNA芯片技术是近年来生命科学与信息科学的新兴研究领域，其突出特点在于它的高度并行性、多样化、微型化以及自动化，最短公共超串问题是计算机科学中的NP-完全问题．笔者在DNA计算和DNA芯片基础上，提出了基于DNA芯片解决最短公共超串问题的DNA计算新模型．该模型可对信息高度并行获取，并且具有操作易自动化的优点．     

基于粘贴和删除系统求解旅行商问题的DNA算法

旅行商问题（Traveling Salesman Problem,TSP）是一个典型的NP完全问题.粘贴和删除模型是DNA计算的两个基本计算模型.结合上述两个模型的优点,构造粘贴-删除模型,并利用该模型给出求解旅行商问题一种新的DNA算法.     

A surface-based DNA algorithm for the minimal vertex cover problem

Abstract DNA computing was proposed for solving a class of intractable computational problems, of which the computing timewill grow exponentially with the problem size. Up to now, many achievements have been made to improve its performance and increase itsreliability. It has been shown many times that the surface-based DNA computing technique has very low error rate, but the technique hasnot been widely used in the DNA computing algorithms design. In this paper, a surface-based DNA computing algorithm for minimal ver-tex cover problem, a problem well-known for its exponential difficulty, is introduced. This work provides further evidence for the abilityof surface-based DNA computing in solving NP-complete problems.