隨著生命科學和計算機科學的迅猛發(fā)展,生物數(shù)據(jù)呈指數(shù)級增長,在質(zhì)量和數(shù)量上都極大地豐富了生物信息學的數(shù)據(jù)資源,為解開生命奧秘提供了數(shù)據(jù)基礎(chǔ)。基因芯片技術(shù)作為分子生物學在實驗領(lǐng)域的一項重大突破,被應用于測量基因的表達水平,為探索生命的本質(zhì)提供了極大的便利,成為探究生命奧妙的重要工具之一�；虮磉_譜是在基因芯片的基礎(chǔ)上,通過雜交測序方法,利用探針標記所得互補序列而來。根據(jù)基因在不同條件下表達的差異,利用基因表達譜可以進行環(huán)境檢測和防治、藥物篩選、基因功能發(fā)現(xiàn)、復雜疾病診斷、個性化治療、農(nóng)作物優(yōu)育優(yōu)選及司法鑒定等。因此研究基因表達譜具有重要的理論價值和應用意義。盡管獲取全基因組表達譜的成本在逐步下降,然而基于基因芯片技術(shù)產(chǎn)生數(shù)千甚至上萬條基因表達譜數(shù)據(jù),不僅生物過程繁雜,而且一般的實驗室無法承擔這一高額的費用。NIH LINCS研究人員分析了約1000個精心挑選的landmark基因,并依托線性回歸的方法推測剩余target基因的表達。但是線性回歸預測基因表達的方法往往忽略了基因表達譜數(shù)據(jù)的非線性特征,無法精確的預測基因表達。BP神經(jīng)網(wǎng)絡可以提取輸入和輸出數(shù)據(jù)之間較為復雜的非線性映射,LSTM... 

【文章來源】：太原理工大學山西省 211工程院校

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

基因芯片技術(shù)實現(xiàn)過程

圖 2-2 DNN 網(wǎng)絡結(jié)構(gòu)Fig. 2-2 DNN network structure 的層與層之間是全連接的，即第 i 層的任意一個神經(jīng)元一定與第 i+1相連。雖然 DNN 看起來很復雜，但是從一個小的局部模型來看，

21圖 3-2 BP 神經(jīng)網(wǎng)絡結(jié)構(gòu)Fig. 3-2 BP neural network structure神經(jīng)網(wǎng)絡由輸入層、隱藏層和輸出層組成，輸入層的每

【參考文獻】：
期刊論文
[1]基于支持向量機遞歸特征消除和特征聚類的致癌基因選擇方法[J]. 葉小泉,吳云峰.  廈門大學學報(自然科學版). 2018(05)
[2]基于加權(quán)密集連接卷積網(wǎng)絡的深度強化學習方法[J]. 夏旻,宋穩(wěn)柱,施必成,劉佳.  計算機應用. 2018(08)
[3]混雜數(shù)據(jù)的多核幾何平均度量學習[J]. 齊忍,朱鵬飛,梁建青.  軟件學報. 2017(11)
[4]大數(shù)據(jù)背景下的生物信息學研究現(xiàn)狀[J]. 王俊,郭麗,吳建盛,湯麗華,胡棟.  南京郵電大學學報(自然科學版). 2017(04)
[5]遷移學習研究進展[J]. 莊福振,羅平,何清,史忠植.  軟件學報. 2015(01)
[6]云平臺下基因-基因相互作用識別算法[J]. 劉桂霞,李廣力,李涵.  吉林大學學報(理學版). 2014(03)
[7]基于PCA和LDA方法的腫瘤基因表達譜數(shù)據(jù)分類[J]. 李志文,蔡先發(fā),韋佳,周怡.  北京生物醫(yī)學工程. 2014(01)
[8]基于聚類和微粒群優(yōu)化的基因選擇方法[J]. 劉金勇,鄭恩輝,陸慧娟.  數(shù)據(jù)采集與處理. 2014(01)
[9]HMMER及同源比對預測大豆病程相關(guān)蛋白[J]. 王晶,張麗偉,劉春燕,李玉花,陳慶山,胡國華.  基因組學與應用生物學. 2011(06)
[10]基于組學數(shù)據(jù)構(gòu)建基因調(diào)控網(wǎng)絡[J]. 束永俊,李勇,朱延明.  生物信息學. 2010(03)

碩士論文
[1]譜聚類在基因表達數(shù)據(jù)分析中的應用與研究[D]. 鄧小燕.重慶大學 2010



本文編號：3140496