基于不同算法的Motif预测比较分析与优化

研究转录因子结合位点（TFBs）的主要预测模型及其预测的算法,通过基于调控元件预测的3种代表性的算法MEME、Gibbs采样和Weeder预测拟南芥基因组。比较结果表明,Gibbs采样算法和Weeder算法预测长、短motif效率较高。重点分析MEME算法,提出结合不同算法查找motif的优化方法,并以实验验证该方法能有效提高预测效率。     

基于吉布斯采样的TFBS识别算法研究

计算机方法识别转录因子结合位点（TFBS，也称“模式”）是目前生物信息学的一个很有吸引性和挑战性的课题。吉布斯采样识别模式的算法本质上是一个启发式搜索方法，容易陷入非全局最优的局部最大值。为此，提出了一种改进的吉布斯采样策略YGMS（Yeast Gibbs Motif Sampler）采识别酿酒酵母共表达基因调控区域转录因子结合位点。在酵母的共调控基因序列的数据集测试中，YGMS比其他几个基于吉布斯采样算法更有效地识别出真实模式序列，在一定程度上提高了算法的性能。     

保持Motif结构的网络表示学习*

随着信息技术的广泛应用,网络在人们日常的生活中变得无处不在。网络表示学习算法是最近研究网络的一个热门领域,它旨在保留网络拓扑结构信息的同时,将网络映射到一个潜在、低维度的向量空间。网络Motif,在网络分析中具有重要的意义,然而之前提出的网络表示学习算法绝大多数只考虑了节点的邻域属性或邻近性,而忽略了节点的Motif结构信息。因此,基于上述考虑,提出了算法"保持Motif结构的网络表示学习",使得在学习网络节点向量表示时能够更加侧重地考虑网络Motif的结构。算法首先计算出基于Motif的网络权重矩阵;接着求得网络中每个节点的基于Motif的个性化PageRank预估值;最后进行MotifWalk得到游走路径,从而能够运用Word2Vec模型来得到网络的向量表示。通过与三个经典的网络表示算法比较,发现在稠密以及Motif结构丰富的网络中,提出的算法表现得更好。     

基于MATLAB GUI 的虹膜识别算法测试平台

虹膜识别是一种重要的利用生物学特征进行的身份识别技术，针对虹膜识别人们已经提出了许多算法，但如何比较、评价各种算法，还没有一个统一的标准和测试平台，为此该文建立了一个虹膜识别算法的MATLAB图形用户界面（GUI），给出了建立虹膜数据库应该考虑的问题。在该平台下，可以对虹膜识别的有关问题进行研究。对同一个虹膜数据库进行实验，可以获得不同算法的性能指标比较。该平台除了提供统一的操作界面进行各种算法比较研究外，还可以允许用户对新算法进行实验研究。结果表明，该平台能够实现各种算法的集中管理，并输出可视实验结果，很方便进行虹膜识别算法的研究和比较。     

(l,d)-模体识别问题的遗传优化算法

转录因子结合位点识别在基因表达调控过程中起着重要的作用.文中提出了一种贝叶斯模型驱动的模体识别的遗传优化算法GOBMD(Genetic Optimization with Bayesian Model for Motif Discovery).GOBMD首先使用一个基于位置加权散列的投影过程,将输入序列中的l-mers投影到k维(k相似文献   

转录调控网络模块和模体识别算法研究进展

转录调控网络是生物体遗传信息传递的整体表示,是人们理解基因表达过程的重要内容。识别转录调控网络的模块和模体是分析网络拓扑结构和组织方式的重要方法,是揭示转录调控机制、生物发育与进化过程的重要环节之一。通过分析比较近年来用于转录调控网络模块识别的三类典型算法,阐述了它们各自的优势和不足。介绍了一种被广泛使用的转录调控网络模体识别算法。以此为基础,提出了转录调控网络模块和模体识别算法未来的研究方向。     

多算法融合虹膜识别中的规范化模型比较研究

虹膜识别易受环境影响,利用多算法融合识别提高复杂应用环境下虹膜识别可靠性是一种非常有效的途径。本文针对多算法融合虹膜识别中的关键步骤——规范化模型选择做了比较性研究。首先搭建多算法融合虹膜识别平台,对常见的三种规范化模型在UBIRIS虹膜库中做了比较测试,实验结果证明双sigmoid函数指数模型性能最优。本文研究可对多算法融合的研究提供理论参考。     

基于汉字骨架手写识别算法分析

汉字识别是目前识别领域中的难题,而细化是其预处理第一步.研究了基于主曲线骨架提取算法和基于模板的Hilditch算法两种手写汉字识别算法.通过程序实现两个算法分析比较了两种算法对于不同质量的汉字图像骨架提取效果.实验表明前者的鲁棒性能好,能适合各种质量差的图像,但是算法还有待于优化,而后者在图像质量差的情况下细化效果很差,但是算法速度很快.     

融合理论在步态识别中的应用研究

近年来,基于信息融合理论的步态识别已成为生物特征识别领域最为活跃的研究方向之一。从特征级融合和决策级融合两种层次,多特征融合、多模态融合以及多视角融合3个方面对融合理论在步态识别中的应用进行了综述。进一步,为了研究融合理论对步态识别算法性能的影响,提出一种融合了静态形体特征和动态模型特征的步态识别算法。通过在CMU步态数据库上的详细实验比较和分析,研究了不同融合策略以及步速变化对步态识别算法性能的影响。     

一种改进的基于奇异值分解的星图识别算法

星敏感器是高精度的姿态测量部件,在各种航天、航空飞行器的姿态测量或控制系统中发挥着关键作用。作为星敏感器的核心技术,可靠、快速和高精度的星图识别算法一直是重要的研究课题。论文对星图识别算法进行研究。针对基于奇异值分解的星图识别算法可能出现的由于视轴不连续所造成的全天区覆盖率较低问题,提出了一种改进的基于奇异值分解的星图识别算法,详细阐述了各部分算法的设计思想。论文最后在JDK5.0开发环境中用JAVA语言实现了改进算法,并与传统的三角形算法的性能进行了比较详尽的对比。     

一种对预测Motifs算法的评价策略

主要研究了如何评价蛋白质家族Motifs预测算法的预测结果,目的是在对传统的算法预测问题分析优化的基础上,制定新的评价策略。主要方法是通过对MEME算法和PKG算法预测结果的比较分析,计算同一家族中Motifs的敏感性和特异性并比较它们对应的ROC曲线,确定真实的Motifs,进而获得该蛋白质家族的最佳Motifs的模型。实验结果表明这种评价策略可用于算法对蛋白质家族Motifs预测结果的评价,还可利用确定的最佳Motifs搜索数据库来预测蛋白质家族中其他的Motifs。     

生物化学动力学网络体系的计算机模拟

生物网络体系中的化学动力学模拟已成为生物体系研究过程中的一个重要环节。目前,已有数种针对于不同生物网络体系的模拟算法。在这些算法的基础上,开发出相应的一些模拟软件。本文对国际上常用的28个模拟软件进行了分类和总结。根据软件所支持模拟算法的原理及适用范围,将该28个软件大致分成4类:均匀体系确定性模拟软件、均匀体系随机性模拟软件、均匀体系混合性随机软件和扩散反应体系模拟软件。结合各类模拟算法的局限性,针对如何根据实际体系来正确选择生物网络体系的化学动力学模拟算法和模拟软件给出了必要的讨论。     

基于统一投影和邻居桶聚集提炼策略的基序查找算法

基序查找是生物信息学中的一个重要问题,由于生物序列中大多数信号的复杂性,一直没有很好的模型或可靠的算法来求解这一问题.本文提出了一种基于统一投影和邻居桶聚集提炼策略的基序查找算法UPNT(Uniform Projection with Neighbourhood Thresholding).在UPNT算法中,利用统一投影策略有效减少了投影数目,并使用邻居桶聚集提炼的策略大大减少了提炼桶的数目.本文进一步使用背景分布均衡与非均衡的合成(l,d)序列两套数据集对算法性能进行测试和分析,实验结果表明:UPNT在成功率和运行时间上的综合性能优于Random Projection、Aggregation和Uniform Projection等投影算法,具有更强的适用性.     

基于Motif聚集系数与时序划分的高阶链接预测方法

高阶链接预测是当前网络分析研究的热点和难点,一个优秀的高阶链接预测算法不仅可以挖掘出复杂网络中节点间存在的潜在联系,还有助于认识网络结构随时间演化的规律,对于探索未知的网络关系有着重要的作用.大多数传统的链接预测算法仅考虑节点间的结构相似性特征,而忽略高阶结构的特性以及网络变化的信息.本文提出了一种基于Motif聚集系数与时序划分的高阶链接预测模型（简称MTLP模型）,该模型通过提取网络中高阶结构的Motif聚集系数特征和网络结构演变等特征,将其构建成可表示性特征向量,并使用多层感知器网络模型进行训练完成链接预测任务.该模型能够同时结合网络中高阶结构的聚集特征与网络结构演变信息,从而改善预测效果.通过在不同的数据集上进行实验,其结果表明,本文所提出的MTLP模型具有更好的高阶链接预测性能.     

Parallel implementation of quorum planted (ℓ, d) motif search on multi-core/many-core platforms

Multi-core and many-core architectures are widely adopted by researchers in applied sciences and engineering, owing to their reasonable cost, and ease of access. Moreover, their painless hardware set-up process and rather simple programming paradigm attract more researchers to acquire them and implement their time-expensive computations on these platforms. Planted Motif Search problem is one of the most challenging problems in bioinformatics whose goal is to enumerate all strings of length ℓ that are commonly planted in a given set of DNA sequences. In this paper, we propose an efficient method of thread parallelization to accelerate the latest Quorum Planted Motif Search algorithm (qPMS9) on multi-core and many-core systems. Our contribution towards dynamic scheduling of threads and parallelization of loops in the proposed method outperforms previous sequential and parallel algorithms.     

Rule-based OneClass-DS learning algorithm

One-class learning algorithms are used in situations when training data are available only for one class, called target class. Data for other class(es), called outliers, are not available. One-class learning algorithms are used for detecting outliers, or novelty, in the data. The common approach in one-class learning is to use density estimation techniques or adapt standard classification algorithms to define a decision boundary that encompasses only the target data. In this paper, we introduce OneClass-DS learning algorithm that combines rule-based classification with greedy search algorithm based on density of features. Its performance is tested on 25 data sets and compared with eight other one-class algorithms; the results show that it performs on par with those algorithms.     

一种新颖的虹膜图像噪声检测方法*

为提高虹膜识别的正确率,针对虹膜图像中存在着眼睫毛和眼睑这两类较难检测的遮挡噪声,在分析现有检测虹膜噪声算法的优缺点后,提出了一套新颖的虹膜图像噪声检测方法：基于Gabor滤波变换的灰度均值法检测睫毛和利用最小二乘法检测眼睑。实验表明,该算法能有效地检测两种遮挡噪声,准确率分别达到95.10%和96.51%,且等错率（EER）指标与已有算法相比最优,提高了虹膜识别系统的整体性能。