生物网格的应用探索

网格技术快速发展对基础科学的研究提供了诸多帮助,尤其是对于那些对海量数据存储、传输和计算的领域,譬如生命科学的研究。生命科学的信息化和全球化已成为大势所趋,我国生命科学界对网格技术产生了强烈需求。面对海量的、呈指数快速增长的生物信息数据,业界必须抓好两个重点:首先是必须开发和应用全新的生物信息处理方法;另外,必须建立高效的超大规模数据信息处理系统。在生物科学领域,生物数据包含很多种类的数据且分属于不同的组织。组     

浅析网络服务质量中的区分服务

随着现代多媒体技术的迅速发展,Internet网络除了要进行传统数据传输之外,还要进行多媒体数据传输。而多媒体的广泛应用对网络提出了不同于传统数据应用的服务质量（Quality of service,Qos）要求。目前,区分服务体系结构已经成为解决IP网络服务质量问题的主要模型。本文介绍网络服务质量的研究现状,分析并比较了集成服务和区分服务。     

一种基于彩色编码技术的基序发现算法

从DNA序列中发现基序是生物计算中的一个重要问题,序列条数K=20包含基序用例的序列条数k=16的(l,d)-(K-k)问题(记作(l,d)-(20-16)问题)是目前生物学家十分关注的基序发现问题.针对该问题提出了一种基于彩色编码技术的SDA(sample-driven algorithm)搜索算法--彩色编码基序搜索算法(color coding motif finding algorithm,简称CCMF算法).它利用彩色编码技术将该问题转化为(l,d)-(16-16)问题,再采用分治算法和分支定界法来求解.在解决将(l,d)-(20-16)问题转化为(l,d)-(16-16)问题时,CCMF算法利用彩色编码技术将4 845个组合降低到403个着色,这将极大地提高算法的整体运行效率.使用模拟数据和生物数据进行测试的结果表明,CCMF算法能够快速发现所有(l,d)-(20-16)问题的基序模型和基序用例,具有优于其他算法的综合性能评价,能够用于真实的基序发现问题.同时,通过修改着色方案,CCMF算法可以用于求解一般的(l,d)-(K-k)问题,其中,k＜K.     

数据挖掘技术在生物信息学中的应用探索

生物信息的分析已成为计算机研究人员的最重要的课题之一。作为其中关键的分析技术,数据挖掘技术在生物信息学领域具有良好的研究与应用前景。生物信息学中的数据挖掘研究仍然处于起步阶段,有很多问题需要解决。本文结合数据挖掘技术与生物信息学研究背景对在生物信息学中的数据挖掘技术的应用状况进行研究。     

DNA序列中弱信号基序查找算法比较与分析

在DNA序列中查找基序是生物信息学中一个重要的计算问题,人们针对这一计算问题提出了多种模型和算法.由于DNA序列数据的复杂性,在其中有许多是比强信号基序更难提取的弱信号基序.而目前植入(ι,d)基序问题(PMP)和扩展植入(ι,d)基序问题(EMP)是较适合模拟弱信号基序查找的问题模型.本文归纳分析了基序查找的基本方法、策略和基序模型,指出了各种策略和模型的优势与不足.在此基础上对现有的基于植入基序查找问题模型的主要弱信号基序查找算法进行了分析和实验评估,为选择计算方法查找弱基序信号提供了参考,并讨论了该方向上尚未解决的问题和发展趋势.