DNA序列数据挖掘分析的文献总结.pdf

《DNA序列数据挖掘分析的文献总结.pdf》由会员分享，可在线阅读，更多相关《DNA序列数据挖掘分析的文献总结.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、1.1.基于 DNADNA 序列数据挖掘算法研究 岳晓宁 井元伟（20092009）摘要：引入数据挖掘技术，研究 DNADNA 序列数据内在规律性，并给出 DNADNA 序列分类问题的算法。综合考虑碱基组的出现 概率以及相邻氨基酸之间的关系，从DNADNA 序列片段的个案DNADNA 序列中密码子分布密度角度出发，提取出已知类别的片段的特征；应用分类的逐步判别分析的方法，提出判别能 力不显著的变量，给出 DNADNA 序列分类的判别函数。仿真结 果表明，该算法具有分类计算公式简单且分类结果精度的优 点。关键字：DNADNA 序列密码子判别函数数据挖掘频率 主要通过分析 6464个密码子来判断

2、DNADNA 序列的分类2.2.数据挖掘技术在生物医学领域的应用余辉吕扬生（20032003）摘要：阐述了数据挖掘技术基本流程及其在生物医学领域的 应用前景，介绍了近年来国内外研究学者运用数据挖掘技术 在 DNADNA 分析、医学影像数据自动分析以及多种生理参数监 护数据分析领域的研究趋势和发展方向。关键字：数据挖掘 DNADNA 分析 医学数字影像标准 医院信息 系统医学图像的存档与通讯系统3.3.聚类和关联规则挖掘在基因表达数据分析中的应用研究马猛钮俊清宁岩郑浩然王熙法（20082008）摘要 随着 DNADNA 微阵列技术的广泛应用，产生了海量基因表 达数据。如何利用这些数据研究基因间的

3、调控关系成为当前 生物信息学的一个研究热点。关联规则挖掘是数据挖掘领域 的一个重要技术，然而直接对基因表达数据进行关联规则挖 掘存在两个问题：一是时间和空间复杂度过高；二是获得的 规则仅定性表示基因间的调控关系，无法提供关于调控关系 强度的信息。本文利用聚类实现数据降维，然后将基因表达 水平离散化为七个状态，最后关联分析每个聚类中的基因表 达数据。实验结果表明本文的分析方法是有效地。关键字 生物信息学；基因表达数据；数据挖掘；聚类；关 联规则。4.4.基于 DNADNA 计算的聚类算法研究张鸿雁（博士学位论文 20112011 年山东师范大学）本课题把聚类中的数据对象转化成为图中的节点，那么簇

4、的 生成就转化为节点的组合问题，进而把善于解决组合问题的 DNADNA 计算应用到聚类中去，在 DNADNA 计算应用中是新的尝试，也为聚类分析提供了新的思路和方法。本文的研究内容：1 1、利用面向对象方法学分析并描述和技术。2 2、利用 DNADNA 计算进行聚类3 3、在已提出的基于 DNADNA 计算的聚类理论思想的基础上，进一DNADNA 计算的相关概念步通过实验来证明其可行性和效果。4 4、算法复杂度的讨论分为两个方面：一个是在计算机模拟 的基础上对基于 DNADNA 计算的聚类算法进行了复杂度的 讨论，在计算机编程基础上，讨论按照计算机编程的思 想分析DNADNA 计算的时间复杂度

5、；另一个是 DNA计算 算法的复杂度讨论，讨论了生化实验的消耗和反应时间。关键词：DNADNA 计算 聚类算法 层次聚类 网格聚类 粘贴模型5 5 聚类分析方法在 DNADNA 序列分类中的应用王显金阳军（20112011）摘要：从 DNA序列片段中密码子分布密度角度出发，提取 DNA序列片段的特征，基于五大类氨基酸出现的频率，应 用聚类分析方法对 DNA序列片段进行分类，结果表明，该算法具有分类简单且分类结果精度较高的优点。关键字：密码子 频率聚类分析主要内容：四种碱基，三个构成一个密码子，所以密码子共有 6464 个，6464 种密码子出现的频率构成 6464 维特征向量，最终 分成5 5

6、 大类。然后计算距离在进行分类。本文对 DNADNA 序列信息的提取，主要以生物学意义为基础：根据氨基酸分子中侧链基的急性性质，把氨基酸分成五大类（含终止信息三联体），出于兼顾碱基含量和融入对碱基排 列顺序的考虑，采用指针平移法对各类氨基酸在每一个DNADNA序列出现频率进行统计，得到一个五维特征向量与之对应，降维后得到四维向量，所得向量维数较低，便于计算和操作；使用SPSSSPSS 统计工具，采用层次聚类法对 4040 个样本进行分类，分类结果精度较高，其中学习样本回代正确率为95%95%。6.DNA6.DNA 数据库中的关联规则挖掘王鑫（东北师范大学硕士学位论文20072007）摘要：随着

7、人类基因组计划的顺利完成和各种后基因组计划 的开始实施，涌现出海量的生物分子数据。充分利用这些数 据，揭示这些数据的内涵，得到对人类有用的生物学信息，是科学家们所面临的一个严峻的挑战。虽然生物信息学中已 经提出了大量有积极意义的方法，但目前大部分的方法还不 能获得最优的模式，最准确的预测。本文根据数据挖掘中的关联规则挖掘算法。提出了一种支持 度一一匹配框架下、挖掘基因DNADNA 序列数据库中非公共的闭合频繁序列之间的关联规则的新型算法。本文使用了来自 美国NCBINCBI 中 RAKalphaRAKalpha 和 HBsAgHBsAg 基因数据，以实例的形式 说明和分析了算法。分析表明，这种

8、算法不仅可以准确、快速的找到所有的 DNA序列模式，还可以更好的发现这些模式之间隐含在序列结构中的生物学信息。并且利用这种算法 在基因 DNA序列数据得到的规则，可以准确的预测新的基 因 DNA数据的种类和功能。关键词：数据挖掘；关联规则；DNA序列数据库；A prioripriori 算法。第一章 引言1.11.1 生物信息学简介内容第二章 关联规则和 AprioriApriori 的简单介绍第三章 序列数据库中的关联规则挖掘第四章 在基因数据库中挖掘关联规则的算法以及实例主要内容：从某种意义上讲，支持度能反映关联规则中 A A 和 B B的关系是否是普遍规律；而置信度则反映了在这种情况下 的关系方向，即是从 A A 到 B B,还是从 B B 到 A A。(支持度：p=(Ap=(A U B)B)置信度：P=(B|A)P=(B|A)1.21.2 数据挖掘的研究现状1.31.3 论文的