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．     

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．     

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。     

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。     

带约束最长公共子序列快速算法

带约束最长公共子序列(CLCS)问题有很深的生物学应用背景,常被用来表示同源基因序列相似性的度量,但计算CLCS时间代价很高,最早的CLCS算法的时间复杂度为O(rn4),目前,最快的CLCS算法的时间复杂性为O(rn2).运用对偶原理将带约束最长公共子序列问题转换为带约束最小覆盖集问题,并建立带权的ref树结构,构造包含约束序列的约束覆盖子集,约简带约束覆盖子集并从中搜索关键路径,再通过关键路径构造CLCS,该算法将算法时间复杂度提升到O(nlogn+(q+r)L),r是约束序列的长度,q是两序列序偶的个数,L是两序列的最长公共子序列(LCS)长度.     

基于知识表达系统的序列比对研究

序列比对是生物信息学中基本的信息处理方法,对于发现生物序列中的功能、结构和进化信息具有重要的意义。该文对典型的双序列比对算法以及多序列比对算法进行了描述和评价;针对目前序列比对算法普遍存在的不足,提出了一种新的思想--基于知识表达系统的序列比对研究,应用知识表达系统对序列比对相似性发现进行定义及其处理。     

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.     

基于动态算法的序列分析

为了获得2009年新型甲型H1N1流感病毒与2008流感病毒的基因序列及氨基酸序列的一致性，以便对一个基因家族的生物学特征有一个简明扼要的了解，针对目前流行的新型甲型H1N1流感病毒的基因序列及其所编码的氨基酸序列，采用动态规划算法对其一级序列进行序列相似度分析，获得了2009年新型甲型H1N1流感病毒的NA和M基因片段以及2008年猪源性甲型H1N1流感病毒的相应基因片段同源性高、在有些位点发生了基因突变增添和突变缺失等重要基因信息。为此次新型甲型H1N1流感病毒的研究提供了依据。     

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.     

线性约束回归问题的几个算法

由实际问题建立的多元线性回归模型Y=Xβ+e,有时要求β满足某些线性约束条件,成为约束二次规划问题。利用数学规划方法给出求解线性约束回归问题的几个不同的算法,并给出计算实例以予比较。     

基于置换距离度量的蛋白质多序列比对算法性能评估

 蛋白质多序列比对是一种重要的生物信息学工具,在生物的进化分析以及蛋白质的结构预测方面有着重要的应用。各种比对算法在这个领域都取得了很大的成功,但是每种算法都有其固有的缺陷。提出置换距离法,对当前流行的几种蛋白质多序列比对算法进行对比评价。由于置换距离法仅关注于不同蛋白质间进化距离的相对次序,而不考虑这些进化距离之间的细微差异,因而得到的评价结论更具有鲁棒性。另外,采用最长公共子序法度量置换距离可以比较准确的反映不同置换之间的差异性。基于该算法,对Dialign, Tcoffee, ClustalW和Muscle多序列比对算法进行了性能评估。     

两种新的基于扩展规则#SAT问题求解算法

提出一种新的基于扩展规则的#SAT求解算法NCER,该算法在#ER的基础上加入启发式策略.该策略每次选择当前子句集的最长子句来减小极大项空间,使得递归调用的次数减少,从而加快求解效率.为解决基于扩展规则的#SAT求解器在互补因子较小的样例上的不良表现,结合NCER和CDP的优点提出混合#SAT求解算法NCDPER.实验结果表明:NCER较先前的#ER在所有85个随机SAT测试用例上有了显著的提高.通过与目前最好的基于扩展规则的#SAT求解器的比较,该求解器具有更好的性能.     

整数瓶颈问题的两个多项式算法

研究了一个特殊的整数瓶颈问题并给出了两个求最优解的多项式算法程序。通过对算例的分析可知该算法运行效率高。     

构造宽间隔跳频码序列的两种算法之比较

为了对构造宽间隔跳频码序列的两种算法,即随机平移替代法和随机均匀转移替代法的性能进行有效的衡量和比较。首先对广义和狭义宽间隔跳频码序列进行了初步探讨,然后对两种算法分别进行了研究、分析、仿真和比较;最后得出结论：随机均匀转移替代法只能构造出广义宽间隔跳频码序列,其相关性性能稍好于随机平移替代法,但其均匀性性能较差,因而整体性能不如随机平移替代法;随机平移替代法可以构造狭义宽间隔跳频码序列,其性能比较理想,且易于实现,有较高的应用价值。     

求解一类奇异摄动问题的两种移动网格算法的改进与比较

对于一类奇异摄动问题,构造了移动网格下的差分格式.通过改变移动网格的初始网格,并引入Richardson外推,对已有的两种算法进行了改进,通过数值实验进行了比较,并验证了算法改进后的优越性.     

一个带约束的极大值问题

建立一个集中紧性原理,利用这一原理解决了约束极大值M∶=sup∫RN u qdx,u∈W1,p(RN),RN∫(u p u p)dx=1的可达性,得到了拟线性椭圆方程-Δpu u p-2u=u q-2u,u∈W1,p(RN),1相似文献   

整数约束分派问题的GAT算法

主要讨论整数约束的分派问题,以遗传算法为主体,结合模拟退火和禁忌搜索算法,构造GAT算法,对其进行求解,最后得到较好的结果.     

自动阈值选取的两种算法

介绍了阈值分割法的特点,阈值选取在阈值分割中的重要性,最佳阈值选取的原则,最频值法,以及基于最频值法提出的两种阈值选取算法。该算法用于医学细胞图像的自动分割,获得快速而良好的分割效果。