基于隐马尔可夫模型的EST序列聚类研究

论文摘要

在原始EST序列中,存在载体、限制核酸内切酶、polyA、polyT等多种特征。根据EST序列特征,在对EST序列集合进行分类的时候,通常是已经知道一定数量的EST序列的类别,并将这些已知类别的EST序列作为已标记类的样本,序列集合中余下的序列作为未标记类的样本。这种分类方法通常是基于一个特定的假设:已标记类的样本是完全样本。可是实际情况往往不是这样。根据不完全的初始类进行EST序列分类将会导致类缺失,出现错误的结果,而且还费时费力。针对这种问题,本论文采用了K-均值聚类和隐马尔可夫模型相结合的方法,对EST序列进行了聚类分析研究,其目的是对基于相似数据特征的EST序列进行聚类和预测。该方法克服了K-均值和隐马尔可夫模型两种算法的缺陷,发挥了各自的优势所在。论文首先是数据预处理,其次,对处理后的数据进行K-均值聚类,获得一个粗略的聚类;接着,应用隐马尔可夫模型其中的Baum-Welch算法对归类的序列进行训练,获得每一类的隐马尔可夫模型参数;之后,可以应用该概率模型对测试数据或新增EST序列进行模型序列比对,进而达到模型评估或者自动聚类的目的。聚类分析是EST序列分析中的重要研究课题,论文的研究内容是在实验的基础上进行的,通过实验,验证了所采用的方法的有效性,具有一定的研究意义,为进一步进行EST序列分析研究奠定了基础。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 EST序列介绍
• 1.2.1 EST序列的产生
• 1.2.2 EST序列的特点
• 1.2.3 EST序列特征
• 1.2.4 EST序列的处理流程
• 1.2.5 EST序列的预处理
• 1.2.6 EST序列的研究现状
• 1.2.7 EST数据资源
• 1.3 EST聚类研究
• 1.3.1 EST聚类分类
• 1.3.2 EST聚类算法
• 1.3.3 EST序列聚类研究现状
• 1.4 本文的研究意义
• 1.5 本文的结构
• 第二章 隐马尔可夫模型（HMM）介绍
• 2.1 隐马尔可夫模型的定义
• 2.2 模型的三个关键问题
• 2.3 隐马尔可夫模型在聚类中的应用
• 2.4 隐马尔可夫模型在生物学中的应用
• 2.5 小结
• 第三章 基于隐马尔可夫模型的EST聚类
• 3.1 总体框架设计
• 3.2 特征值的提取及特征向量的确定
• 3.3 基于模型的聚类
• 3.4 基于特征向量的隐马尔可夫模型聚类
• 3.4.1 EST特征值的选取和特征向量的相似性度量方法
• 3.4.2 K-均值聚类
• 3.4.3 建立隐马尔可夫模型需要解决的几个问题
• 3.4.4 隐马尔可夫模型的建立
• 3.4.5 基于HMM的序列比对
• 3.5 小结
• 第四章 实验及结果分析
• 4.1 数据准备及处理
• 4.2 K-均值聚类
• 4.3 隐马尔可夫模型的训练
• 4.4 数据测试及聚类评估
• 4.5 与其他方法的比较
• 4.6 小结
• 第五章 总结与展望
• 5.1 全文总结
• 5.2 不足与改进建议
• 附录 1 缩略词
• 附录 2 EST网络资源
• 参考文献
• 致谢