蛋白質(zhì)組學(xué)作為一個(gè)研究熱點(diǎn),經(jīng)歷了從蛋白質(zhì)定性到定量的發(fā)展,蛋白質(zhì)組學(xué)的研究?jī)?nèi)容也逐步深入。研究表明,人類很多疾病的產(chǎn)生會(huì)導(dǎo)致體內(nèi)蛋白質(zhì)的豐度發(fā)生變化,因而蛋白質(zhì)的定量研究有著很重要的應(yīng)用價(jià)值。近年來(lái),隨著質(zhì)譜儀器的精度越來(lái)越高,蛋白質(zhì)組學(xué)也進(jìn)入高速發(fā)展的時(shí)期。具有高通量、高可靠性的質(zhì)譜分析技術(shù)成為蛋白質(zhì)組學(xué)的主要研究領(lǐng)域,所以如何提高質(zhì)譜數(shù)據(jù)的分析效率也成為一項(xiàng)重要的研究?jī)?nèi)容�，F(xiàn)在使用最廣泛的蛋白質(zhì)定量方法是無(wú)標(biāo)定量法,其主要包括譜圖計(jì)數(shù)法和信號(hào)強(qiáng)度法,這兩種方法都需要二級(jí)譜圖的信息來(lái)對(duì)肽段定性,再通過(guò)已定性的肽段來(lái)定量蛋白質(zhì)。在定量蛋白質(zhì)的過(guò)程中,譜圖計(jì)數(shù)法沒有使用一級(jí)譜圖信息。信號(hào)強(qiáng)度法只使用了己定性肽段在一級(jí)譜中對(duì)應(yīng)的信息,因而無(wú)標(biāo)定量算法中大量一級(jí)譜的肽段強(qiáng)度信息沒有被使用。本文是基于信號(hào)強(qiáng)度法來(lái)研究如何能更有效的利用一級(jí)譜圖中的信息定量蛋白質(zhì)。為了解決這個(gè)問(wèn)題,本研究建立了一個(gè)基于退火算法的蛋白質(zhì)定量流程,研究提高質(zhì)譜數(shù)據(jù)中的一級(jí)譜圖的利用效率。具體的創(chuàng)新性工作如下:1)本文首先實(shí)現(xiàn)一個(gè)肽段定量算法,并將該算法作為后續(xù)蛋白質(zhì)定量研究的框架。該算法包括了對(duì)一級(jí)譜圖的數(shù)據(jù)處理,... 

【文章來(lái)源】：華東師范大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１模擬退火算法流程圖??如圖２．１所示，模擬退火算法的步驟描述如下：??（１）初始化：初始溫度Ｔ、初始解狀態(tài)Ｓ、每個(gè)溫度Ｔ下算法迭代次數(shù)Ｌ；??８??

一種降溫束略，由＝?ａ?ｔｆｃ－ｉ知，ｋ?＝?ｔ〇?ａ?＝?，因此當(dāng)起始溫度Ｔ?＝??１００００，其溫度和迭代次數(shù)隨參數(shù)ａ的變化關(guān)系［４２］如圖２．２。由圖可知當(dāng)ａ值越??小時(shí)，溫度參數(shù)下降的越快。??溫度??八??１００００?ｋ??９０００??１０００????＞??〇?５?１０?１５?２０?迭代次數(shù)??圖２．２不同參數(shù)ａ下溫度和迭代次數(shù)的關(guān)系??２、新解產(chǎn)生策略??模擬退火算法中新解是由當(dāng)前解產(chǎn)生的，一般要求新解的產(chǎn)生方便、快捷而??且能簡(jiǎn)化后續(xù)的計(jì)算�，F(xiàn)在常用的新解產(chǎn)生方法是以當(dāng)前解為中心，在該中心的??臨域內(nèi)隨機(jī)挑選解空間內(nèi)的點(diǎn)。因此新解的隨機(jī)產(chǎn)生函數(shù)選擇對(duì)于算法的實(shí)現(xiàn)結(jié)??１０??

學(xué)碩士學(xué)位畢業(yè)論文?擇操作??從交換后的群體中通過(guò)選擇操作挑選出優(yōu)良的個(gè)體，使其作繁衍。選擇算子的作用是在群體中挑選出適應(yīng)性強(qiáng)的個(gè)體，本身的適應(yīng)函數(shù)值的大小。個(gè)體的適應(yīng)函數(shù)值越大，則被挑的概率就越大。選擇操作使得適應(yīng)性強(qiáng)的個(gè)體能夠存活下來(lái)，的原則。??異操作??就是在迭代過(guò)程中，個(gè)體的編碼有一定概率發(fā)生改變。變異個(gè)體的某些染色體編碼用其他的編碼代替。在算法實(shí)現(xiàn)中，的很低，通常在０．００１？０．０１之間。變異的方法稱為變異算子，有基本變異算子和逆轉(zhuǎn)變異算子等。??


本文編號(hào)：3270563