基于统计组合与特征分类的基因预测算法

在研究了三种基因局部特征的基础上,针对现有的基因预测方法在预测5'端外显子方面的不足,构建了一种基于统计组合与特征分类的基因预测算法,即将基因区域数据根据局部特征分成两个相对独立的集合,采用统计组合的方法将多种基因预测方法综合在一起进行基因预测研究.实验结果表明,该算法提高了基因预测的精度,为基因预测提供了一种可能的研究方案.     

拟南芥基因转录调控关系的计算方法研究

拟南芥是一种重要的模式植物,已被广泛应用于植物生物学研究.基于基因表达谱和序列信息构建了预测拟南芥基因调控关系的数学模型.通过支持向量机和夹克刀的测试,结果表明该方法在拟南芥基因调控关系的预测工作中有很好的表现.利用计算方法预测拟南芥基因转录调控关系可为实验室研究提供一定理论依据.     

基因预测中外显子分值的转化

多数基因预测算法都会给出预测外显子的分值,但这些分值大多没有意义,很难给使用者带来有用的信息.作者以基因预测程序Fgenes为例,分别用4种方法将外显子的分值转换成概率分值,通过计算机模拟,4种方法都取得了良好的效果,其中以局部多项式估计效果最好.     

优势重组预测系统

不同预测模型在同一时刻都存在不同的预测误差, 最优组合预测的预测精度要比其他模型高,但并不是所有时刻误差都最小,有的时刻可能比单项预测误差还大,因此,在预测时就存在较大的风险.再组合预测可以降低预测风险,但方法比较复杂难以推广.针对这些问题,根据生物遗传原理,设计了一种优势重组系统,子代的基因由父代的最优基因重组得到,有着优良基因的子代预测的结果误差最小或不是最大.实证结果表明,优势重组模型预测性能高于所有父代模型.     

基于Dempster-Shfer证据理论的组合基因预测

使用Dempster-Shafer证据推理理论组合多个基因预测程序可以组合来自多个信息源的基因预测信息,多个基因预测程序组合后的预测效果明显好于单个基因预测程序的效果.     

利用相似显著性序列特征预测白血病疾病基因

研究发现新的白血病致病基因对揭示白血病机理,寻求有效治疗方法有重要意义.选取了mRNA和protein序列的330个物化特征,发现某些特征在五类白血病(T-ALL、ALL、AML、APL和JML)的已知疾病基因中表现出相似的显著性差异.基于这个特点设计了一种新的白血病疾病基因预测方法.测试结果表明该方法能够有效地从众多候选基因中预测出真实的白血病基因,效果明显优于其他预测方法.     

水稻基因结构分析与预测建模

将水稻基因结构预测问题划分为基因级、元件级和特征级等多个层次上的一系列较简单子问题,分析了各特征与序列C G含量之间的依赖关系,通过采用从简单到复杂逐级优化的策略建立了不同序列C G含量的水稻基因结构模型,设计了基因结构寻优的动态规划算法,开发了水稻基因结构预测软件Rice-GenePRE.采用测试数据集OsSNG550对该软件进行测试的结果显示:RiceGenePRE在核苷酸、外显子和基因水平上的预测效果均优于水稻基因结构预测系统FGENESH.     

基于Dempster-Shafer证据理论的组合基因预测

使用Dempster-Shafer证据推理理论组合多个基因预测程序可以组合来自多个信息源的基因预测信息,多个基因预测程序组合后的预测效果明显好于单个基因预测程序的效果.     

MiRdetector：一个预测与搜寻miRNA基因的计算工具

MicroRNA（miRNA）是一类内源性的长约21～24 nucleotide(nt)的非编码小分子RNA,能够调节其它基因的表达活性,在生物体的发育过程中发挥重要的作用.每种生物体中miRNA的基因总数还未知,生物信息学分析手段为发现新的miRNA基因提供了有效的方法.作者开发了一个预测与搜寻miRNA基因的完全自动化系统“MiRdetector”.MiRdetector系统是基于计算机比对和miRNA前体茎环结构判断的.用水稻miRNA基因对系统的预测精度进行了检验,系统正确识别了155个样本中的140个,预测精度达到90.32％,并且搜寻到了95个可能的水稻miRNA基因.由于系统的假阳性率较低,因此能够为进一步证实miRNA基因的实验研究提供高质量的数据集.     

基于信号处理的基因识别模型

为了获得精确可靠的基因识别信息,根据所给DNA 序列进行数值化映射（基于 Voss映射和Z-curve映射）运用快速傅立叶变换（FFT ）以及离散小波变换算法计算DNA序列功率谱和信噪比;对于不同类型生物的基因预测采用靴带抽样算法推断基因预测的最佳阈值并以特异性、敏感性和精度3个性能指标来评估基因预测方法的性能,所建模型在基因识别中精度较高、运算快、效果好。     

LHS抽样遗传算法

文献研究了遗传算法的运行机理及特点,即遗传算法是一个具有定向制导的随机搜索技术,其定向制导的原则是：导向以高适应度模式为祖先的＂家族＂方向。以此结论为基础,利用拉丁超立方体抽样（LHS）的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为LHS遗传算法。将LHS遗传算法应用于求解优化问题,并与简单遗传算法和文献中的佳点集遗传算法进行比较,通过模拟比较,可以看出新的算法不但提高了算法的收敛速度和精度,而且避免了其它方法常有的早期收敛的现象。     

海南汉族、黎族人类切除修复交叉互补基因1-4533G／A多态性比较研究

采用盐提取法提取汉族、黎族人群中白细胞的DNA,用聚合酶链反应、限制性内切核酸酶检测切除修复交叉互补基因1(ERCC 1)-4533 G/A多态性的基因型和等位基因频率,同时用χ2检验进行结果分析.结果表明:在185例汉族和190例黎族人群中,ERCC 1-4533 G/A多态性位点有GG,GA,AA 3种基因型,汉族、黎族3种基因型频率分别为5(0.027),178(0.962),2(0.010)和6(0.031),182(0.958),2(0.011),汉族、黎族G和A等位基因频率分别为0.508,0.492和0.511,0.489.ERCC 1是人类核苷酸切除修复系统的重要组成部分,其表达水平与卵巢肿瘤、消化道肿瘤的耐药性有关.海南汉族、黎族人群中ERCC 1-4533 G/A多态性不存在明显的差异.     

新式遗传算法在QoS路由选择中的应用

针对服务质量(QoS)路由的特点，提出了一种新式遗传算法。与基于二进制编码的通用遗传算法相比，本算法采用节点序列编码，编码、解码过程简单、直观，并在此基础上引入新的遗传交叉、变异算子。仿真实验表明，该遗传算法用于QoS路由具有全局收敛性，收敛速度较通用遗传算法有很大改观。     

基于遗传算法和概率神经网络提高脑机接口中脑电信号识别率

针对脑机接口（BCI）研究中存在脑电信号（EEG）识别率低的问题,提出一种基于遗传算法（GA）和概率神经网络（PNN）的GA—PNN识别方法．用该方法对EEG提取时频特征,构成模式识别的初始特征．以训练样本识别正确率为适应度函数,采用GA对初始特征进行组合优化．基于优选后的特征,用PNN对测试样本进行分类．该方法使EEG识别正确率达到92．499／5,与2003年BCI国际竞赛最好的处理结果（88．7％）相比,提高近4％,为BCI中EEG的识别提供了有效的手段．     

基于遗传算法的客车车身骨架优化设计

提出一种基于遗传算法的桁架式客车车身骨架的优化设计方法.应用有限元分析软件ANSYS建立了车身骨架有限元模型并进行计算,采用遗传算法进行优化.优化后车身总质量减轻719 kg,减重比例接近25%.结果表明,基于遗传算法的优化设计明显优于常规的数学规划方法,实现了某电动大客车车身骨架的轻量化设计.     

一种新的全局优化算法——统计归纳算法

在多极值问题的优化领域 ,主要有模拟退火算法(SA) ,遗传算法 (GA) ,人工神经网络 (ANN)算法 ,它们都是基于对自然现象模仿的算法。该文从更基本的优化思想出发 ,基于概率论提出了一种新的全局优化算法——统计归纳算法 (SIA)。在一些标准测试函数以及“货郎担问题”(TSP)上的计算结果表明 ,该算法在智能性 (所需的函数计算次数 )和解的全局性方面都远远好于 SA和 GA。在中国 144个城市的 TSP问题实例中 ,它甚至很快就找到了比参考计算中给出的“目前已知的最优路径”更短的路径。从这一算法思想的角度 ,阐述了 SA和 GA为何对全局优化问题有效 ,以及SA和 GA各自固有的不足之处     

基于遗传和粒子群结合的文化算法

针对粒子群优化(PSO)算法的"早熟"现象,给出了基于遗传和粒子群结合的文化演化算法.该算法将PSO/GA纳入文化算法框架,形成PSO的主群体空间和GA的信仰群体空间,两群体空间可以独立并行演化,并在适当的时机实现信仰群体空间对主群体空间的引导,达到改善粒子群优化算法全局搜索能力、提高计算精度的目的.仿真表明,该算法的优化性能和效率优于PSO算法、GA算法和GA-PSO混合算法.     

遗传算法-神经网络-流动注射光度法同时测定邻、间、对硝基苯酚

利用遗传算法对神经网络的结构参数及初始权重进行了优化.得到优化的遗传神经网络GA-BP-ANN.将此网络应用于解析流动注射—光度分析法测得的邻、间、对硝基苯酚的重叠光谱,建立了不经分离同时测定邻、间、对硝基苯酚的新化学计量学方法.     

Intelligent Scheduling of Public Traffic Vehicles Based on a Hybrid Genetic Algorithm

A genetic algorithm （GA） and a hybrid genetic algorithm （HGA） were used for optimal scheduling of public vehicles based on their actual operational environments. The performance for three kinds of vehicular levels were compared using one-point and two-point crossover operations. The vehicle scheduling times are improved by the intelligent characteristics of the GA. The HGA, which integrates the genetic algorithm with a tabu search, further improves the convergence performance and the optimization by avoiding the premature convergence of the GA. The results show that intelligent scheduling of public vehicles based on the HGA overcomes the shortcomings of traditional scheduling methods. The vehicle operation management efficiency is improved by this essential technology for intelligent scheduling of public vehicles.     

基于遗传算法和模拟退火算法优化神经网络的铁路营业里程预测

提出应用遗传算法(GA)和模拟退火(SA)优化神经网络预测铁路营业里程.采用3层前馈神经网络实现铁路营业里程的时间序列预测,输入节点数为5,隐层节点数为8,输出节点数为1.对神经网络的连接权重和节点阈值的确定,采用GA和SA算法相结合的混合优化学习策略.两种算法结合时,SA算法处于外层,GA处于内层.GA采用实数编码,把要确定的神经网络节点连接权重和节点阈值作为基因串.数值计算结果表明混合优化的神经网络的学习速度和精度都比单纯BP算法得出的结果好.因此,用GA-SA混合优化的神经网络预测铁路营业里程是可行的.