基于免疫与神经网络的 RNA 二级结构预测

RNA二级结构预测是生物信息学领域的一个热点问题，通过计算机仿真模拟和数学建模计算来“预测”这些结构信息，具有较好的参考价值以及可信度，并能够节省大量的时间与成本。本文通过改进传统的RNA二级结构预测算法，提出了混沌Hopfield神经网络算法算法。算法以茎区作为神经元，同时采用相似距离函数、对神经元的初始值进行优化，在获得初步结果后，通过使用混沌函数优化结果，使得其跳出局部最优解，提高了全局搜索能力，能简单、快速规范的获得最优解。仿真结果表明，本算法能够有效的对RNA二级结构进行预测，有较好的的预测效果。