基于奇异值分解的RNA二级结构相似度计算方法

针对传统的核糖核酸(RNA)分子结构相似度计算方法存在复杂度高、未能充分考虑二级结构全局信息的缺点,基于一种7维序列编码方法，提出了一种利用矩阵奇异值分解提取RNA二级结构数据分布特征的算法，利用提取出的奇异值向量,基于向量距离进行RNA二级结构相似度比对.通过对Yeast tRNA phe、PSTV、poliovirus mutant 3种RNA分子二级结构构象的实验分析，表明了该方法的可行性和高效性.并将这种方法推广至任意两个RNA分子之间二级结构的相似度衡量，同样取得了不错的效果.     

基于离散Hopfield网络求解极大独立集的茎区选择算法以及在RNA二级结构预测中的应用

提出了一种利用离散Hopfield网络求解图论极大独立集的启发式算法,并将其应用于RNA二级结构的茎区选择和预测当中.算法通过映射RNA序列的茎区为无向图中的节点,将预测RNA二级结构的问题转化为求解图的极大独立集的问题.定义了合理的能量变化函数,利用离散Hopfield网络进行迭代,以获得能量最优的预测结构.文中将算法与传统的最大匹配数算法以及最小自由能算法在运行时间上进行比较,并且选择特定的序列在茎区和碱基对水平上进行精度测试,结果证明该算法在效率和精度上具有一定的优势.算法的时间复杂性为max{O(n2),O(N2)},空间复杂度为O(N2),其中n为RNA序列长度,N为RNA的茎区段个数.     

高密度寡核苷酸阵列的数据标准化方法

针对微阵列数据的标准化方法进行系统阐述,对高密度寡核苷酸阵列(Affymetrix芯片)的两类主要标准化算法：全数据算法和基线算法进行了探讨,同时对其他标准化算法（复合算法、VSN算法、全局loess算法、Invariant set算法等）进行了综合的论述和分析.基于标准数据集对前两类标准化算法处理的效果和效率做了对比测试,结果表明,算法在数据变异性的消除方面,对于非差异表达数据,全数据算法可以达到比较优秀的处理结果;对于差异表达数据,Quantile和Non-linear算法比较有效.在算法的耗时方面,Scale算法最优.全面考虑时间效率和标准化处理效果,Quantile算法具有一定的综合优势.