生物技術(shù)尤其是高通量測序技術(shù)的發(fā)展使得人們能夠更加方便地獲取海量的生物數(shù)據(jù)。然而生物數(shù)據(jù)的爆炸式增長給人們帶來無限發(fā)展機遇的同時,也使人們深切地體會到大數(shù)據(jù)信息挖掘帶來的巨大挑戰(zhàn)。在這種形勢下,生物信息學(xué)等交叉學(xué)科應(yīng)運而生,并在生命科學(xué)領(lǐng)域發(fā)揮著日益重要的作用。在生物信息學(xué)的框架中,數(shù)學(xué)、統(tǒng)計學(xué)和計算機科學(xué)等理論工具的潛能借助于高性能計算機和數(shù)據(jù)庫等平臺得以充分發(fā)揮,使得人們能夠有效地解決一系列大規(guī)模生物數(shù)據(jù)上的挖掘問題。組學(xué)是分子生物學(xué)發(fā)展到一定階段的產(chǎn)物。系統(tǒng)論思想的推廣使人們不再從個體的角度來分析某個分子或者某類遺傳物質(zhì)。相反地,人們傾向于把具有某個特定功能的個體以及它們之間的關(guān)聯(lián)關(guān)系整合為一個系統(tǒng),旨在從整體的角度系統(tǒng)性地挖掘有價值的信息。基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)和代謝組學(xué)就是典型的代表。其中,基因組學(xué)是所有組學(xué)中應(yīng)用最廣泛、影響最長遠的分支。盡管生物體內(nèi)幾乎所有的細胞含有同樣的基因,然而它們卻分化成了不同形態(tài),發(fā)揮著不同功能。其原因在于基因并不是在每個細胞中都表達,而控制基因表達的開關(guān)就是轉(zhuǎn)錄因子。轉(zhuǎn)錄因子是一類特殊的蛋白質(zhì),它能夠通過與基因的啟動子、增強子或靜默子區(qū)域... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：138 頁

【學(xué)位級別】：博士

【部分圖文】：

圖２．２?六個算法在模擬數(shù)據(jù)集Ｄｉ？Ｄ６ｌ的性能比較

山東大學(xué)博士學(xué)位論文??驗ｐ＞０．０５）。然而，與?ＰｒｏＳａｍｐｌｅｒ?（６０）相比，ＢｉｏＰｒｓｏｐｅｃｔｏｒ?（５６）和?ｍｏｔｉｆＲＧ??（５２）識別的模體數(shù)量相對較少。從圖２．２Ｈ還可以看出，隨著模體濃度的增大，??ＰｒｏＳａｍｐｌｅｒ識別模體位點的性能隨之提高。然而，其他四個算法并沒有出現(xiàn)類似??的規(guī)律。當模體濃度大于０．３的時候，其他算法的性能甚至下降并出現(xiàn)較大波動。??這種現(xiàn)象與直觀理解相背離，其原因有待進一步探宄。圖２．２展示的一系列分析??表明，ＰｒｏＳａｍｐｌｅｒ在模擬數(shù)據(jù)上不僅具備高效性，還具備準確性和穩(wěn)健性。??ＪＡＳＰＡＲ?ＰｒｏＳａｍｐｌｅｒ??ｇｌｉ２?＾ＣＣＡＬｑｉ．－?．ｃｉＣＣＡＣｓＣｘｓ??ＰＯＵ３Ｆ４?ｘＡＩ?ｑ＾ａＡｔ?ＴＡＴ?ｑ４Ａｔ??圖２．３?案例：ＰｒｏＳａｍｐｌｅｒ在０！中預(yù)測的模體ＧＬＩ２和ＰＯＵ３Ｆ４的丨ｏｇｏ以及ＪＡＳＰＡＲ??中對應(yīng)的兩個模體的ｌｏｇｏ。??§?２．３?ＰｒｏＳａｍｐｌｅｒ算法在ＣｈＩＰ－ｓｅｑ數(shù)據(jù)上的測評??本節(jié)中，我們將ＰｒｏＳａｍｐｌｅｒ與六個模體識別算法一ＢｉｏＰｒｏｓｐｅｃｔｏｒ、ＤＲＥＭＥ、??ＸＸｍｏｔｉｆ、Ｈｏｍｅｒ、ｍｏｔｉｆＲＧ?和?Ｄｉｍｏｎｔ?在不同序列長度（２００ｂｐ、５００ｂｐ?和?１０００??ｂｐ）的ＣｈＩＰ－ｓｅｑ數(shù)據(jù)上的性能進行測評，并比較了上述算法在運行效率和識別??主模體、合作模體、潛在合作模體（Ｐｕｔａｔｉｖｅ?Ｃｏ－Ｏｐｅｒａｔｉｖｅ?Ｍｏｔｉｆ）以及模體長度??方面的性能。本節(jié)的主要內(nèi)容包括：數(shù)據(jù)處理、參數(shù)設(shè)定、測評方案和結(jié)果分析。??２．３．１?數(shù)據(jù)處理??為了測試五個算法的性能和效率

山東大學(xué)博士學(xué)位論文??序列從中點（峰頂）往兩端分別延伸１００?ｂｐ、２５０?ｂｐ和５００?ｂｐ得到同序列長度的數(shù)據(jù)集系列，即：Ｇｉ?（２００ｂｐ）、Ｇ２?（５００ｂｐ）和Ｇ３?（１所有數(shù)據(jù)均以ＢＥＤ格式存儲。ＢＥＤ文件格式是一種高效的ＤＮＡ序，它主要記錄了序列所在的染色體編號、序列起點形式、序列終點形鏈信息。某些ＢＥＤ文件還記錄了序列質(zhì)量的信息（例如：ｐ值和信號值


本文編號：2895194