生物序列比对算法的简述

基因组和蛋白质组的研究极大地依赖于数据库的搜索,寻求更快更灵敏的生物序列相似性比对算法一直是生物信息学研究的热点,文章介绍了相似性比对的得分算法和各种数据库搜索工具,并对各种算法的优缺点进行了讨论与比较.     

生物信息学中的双序列比对算法

生物信息学是生物技术的核心,序列比较是生物信息学中最基本、最重要的操作,通过序列比较可以发现生物序列中的功能、结构和进化的信息,序列比较的基本操作是比对。描述了常用的各类双序列比对算法,并结合实例进行了详细的解释,最后指出了序列比对算法目前存在的问题。     

生物序列比对算法分析与比较

序列比对是生物信息学的一个非常重要的操作．它可以预测生物序列的功能、结构和进化过程等．文中首先介绍双序列比对的基本算法;接着分析和比较多序列比对的四个常用模型和三类算法以及并行比对算法;最后,给出一些研究问题．     

基于智能蚁群算法的双序列比对方法

序列比对是生物信息学中一项重要的基础性研究课题。提出了一种基于全新的信息素改变策略的智能蚁群算法,该算法利用历史最优信息来更新信息素,避免出现早熟现象,加速算法的后期收敛。实验表明该方法是有效的和可行的。     

生物DNA序列比对算法研究

基于典型CLUSTALW序列比对算法,研究一种局部优化的多序列比对算法,用减少序列比对过程中总评分的方法来达到优化算法的目的,并对基因库中的序列进行了测试．     

基于遗传算法和蚁群算法的多重序列比对

多重序列比对问题是复杂性较高的困难问题.基于蚁群算法的多重序列比对方法能够在合理的时间内找到得分接近参考比对的多序列比对解.但是,随着序列的加长,蚁群算法对于长序列的比对效果并不是很理想.本文提出一种基于遗传算法和蚁群算法的多重序列比对方法.该方法利用遗传算法对长序列分段,利用蚁群算法对分段后的序列进行求解,然后直接将各段的结果进行拼接即可.     

基于A*算法的启发式算法求解多序列比对问题

通过分析动态规划算法及A^*算法的特点，针对多序列比对问题提出一种基于A^*算法的启发式算法。该算法采用了多个优化搜索机制。通过对此算法的理论分析，证明了它能够在有效地减小搜索的空间、节约搜索的时间的同时，保证得到比较好的比对结果。此算法不仅能够在多序列比对问题中得到应用，还能够用于其他有向无环图的最短路径问题的求解。     

序列比对算法的并行化研究与应用

针对生物信息序列比对的动态规划算法介绍了基于并行前缀的比对算法和并行化思路.     

生物信息学中基于启发式的多序列比对算法

序列比对是生物信息学中一项重要的基础性研究课程,其基本任务之一就是进行多重序列比对,但是如何优化多重序列比对算法目前生物信息学面临的一个核心课题,本文介绍了多重序列比对研究所涉及的基本问题,对当前多重序列比对启发式算法的几种经典算法进行描述,并对多重序列比对算法的前景进行了展望。     

排序距离矩阵蛋白质结构比对算法

提出一种改进的SortMatAlign算法, 通过快速排序预处理距离矩阵, 使MatAlign算法的时间复杂度由O(N₄)降为O(N₃). 结果表明, SortMatAlign算法计算出的RMSD值平均是MatAlign算法的1.098倍, 使用残基个数和RMSD综合衡量标准的S值平均是MatAlign算法的0.968倍, 在同等条件下, 运行速度比MatAlign提高18.276倍.     

两种带约束的序列比对算法

通过理论证明,得出了当距离函数中惩罚因子φ=0时的解应满足的条件,并在此基础上改进两种最长公共子序列的优化算法,使之能够求解出带约束的序列比对问题.这两种改进算法的时间复杂度分别为O(nmr)和O(nm(r+1)),空间复杂度分别为O(nmr)和O((n+m)(r+1)).推导出算法应满足在两序列中插入的空位符数目分别为(m-l)和(n-l),使比对结果中不会出现错配,保证了比对的质量.实现了基于回溯的改进算法,验证了其求解带约束的序列比对问题的有效性.     

基于多序列比对的网络攻击特征数据提取算法分析

网络安全是目前网络工作者研究的主要问题,随着计算机技术的不断发展,网络攻击方式层出不穷.攻击特征自动提取技术是目前网络安全研究的一种重要技术.该文以研究网络攻击特征数据提取算法为切入点,通过几种序列比对自动提取算法的分析,引入了一种改进算法,并对其进行应用.应用结果表明,该算法能有效地降低误报率,与其他算法相比有一定的应用价值.     

多序列比对的两种新方法

对两种用于多序列比对的新方法——T—COFFEE和MAFFTT进行了研究,结果表明：T—COFFEE是迄今为止准确性最高的方法,但此方法速度较慢;而MAFFT则将FFT运用于比对中,使速度大大提高,并且与T—COFFEE的准确程度相当。     

BLAST序列比对脱机移植研究

BLAST序列比对算法是NCBI综合性生物信息平台整合的众多重要功能之一。研究建立BLAST算法的脱机环境移植,可使生物信息学研究人员在构建自己专有序列数据库的同时,对DNA序列进行脱机环境比对,以期更高的序列数据安全性,避免联网状态下造成的数据丢失和泄露等严重问题。通过研究BLAST序列比对过程中涉及的标准数据格式与调用细节,实现了脱机环境下的BLAST序列比对,为建立安全序列比对提供了一种可行参考。     

针对基因选择性剪接的多序列比对算法研究

为对真核基因的选择性剪接形式进行准确、快速、有效的研究 ,提出了一种启发式多序列比对算法。该算法借助引导树启发序列之间的两两段对段比对 ,通过建立序列相似性估计模型 ,给出了一种由序列间相同词数估计序列相似程度的方法。利用这种方法构造引导树 ,大大缩短了其构造时间。通过采用序列间的段对段比对 ,克服了间隙罚分问题 ,更准确地反映了真核基因的选择性剪接形式。引导树构造方法的改进和快速局部比对算法的采用 ,使得算法运行速度大大高于一般算法。该算法为真核基因的选择性剪接研究提供了一种新的有效途径     

基于序列比对的动态Web信息抽取算法

基于对深网(DeepWeb)网页公共框架的定义,提出一种在信息抽取算法中增加公共框架检测阶段,采用序列比对算法提取公共框架的方法.与原始网页数据相比,去除公共框架的数据域信息对模板抽取更有利.基于真实网站的数据密集型网页集合,测试和对比了序列比对算法中参数不同取值以及公共框架检测阶段在数据量和抽取准确率等方面对信息抽取算法的影响.实验结果表明了算法的有效性.     

多序列比对问题的并行近似算法

基于中心方法的思想,采用分治策略,在SIMD-CREW模型上设计了一个使用O(k2m)个处理器(其中k为序列个数,m为最长的序列长度),时间复杂度为O(m logk)的并行近似算法.在实际情况中,由于logk远远小于m,相对于时间复杂度为O(m2k2)的串行中心方法,该算法在理论上达到线性加速.与现有的并行算法相比,它可以适用于任意情况,且易于分析时间复杂度.利用LARPBS模型的特点和并行求前缀和的方法,调用LARPBS模型上求和与最大(小)值的并行算法,首次给出了在LARPBS模型上的多序列比对问题的并行近似算法.该算法使用O(k2m)个处理器,时间复杂度为O(m log log D),其中D为序列两两比对的代价值的最大值.该算法同样适用于任何情况,由于log log D通常远小于m,所以它在理论上也是线性加速的.     

基于遗传算法的序列比对方法

为有效解决大尺度基因组序列的比对分析,提出了一种基于遗传算法的序列比对方法。该算法通过对序列比对问题进行编码,将其转换成了搜索空间中的一个优化问题。实验结果表明,这种新的比对算法是有效的,它在占用少量内存的情况下可以获得近似于Need lem an-W unsch算法结果的最优解。     

算法的时间复杂度分析

算法的时间复杂度是衡量一个算法优劣的重要指标.在总结教学经验的基础上,提出了几种计算时间复杂度的方法.