生物序列數值化表征模型的矩陣分解方法及其套用

生物序列數值化表征模型的矩陣分解方法及其套用

《生物序列數值化表征模型的矩陣分解方法及其套用》是2014年6月中國科學技術大學出版社出版的圖書,作者是余宏傑。

基本介紹

  • 中文名:生物序列數值化表征模型的矩陣分解方法及其套用
  • 作者:余宏傑 
  • 類別:數學理論 
  • 出版社:中國科學技術大學出版社
  • 出版時間:2014年6月
  • 定價:36.00 元
  • 開本:16 開
  • 裝幀:平裝
  • ISBN:9787312034541
  • 版本:1
內容簡介,圖書目錄,

內容簡介

本書以生物序列的數值化表征模型所涉及的矩陣分解為核心,以序列的特徵信息提取為主要目標,在非序列比對(Alignmentfree)的框架下,分別提出了針對DNA/蛋白質序列、基因組序列等的若干個不同的特徵信息抽取模型,並將所抽取的特徵信息套用於序列的相似度分析.本書取材廣泛,內容新穎,理論與套用緊密結合.書中所介紹的生物序列的建模方法、矩陣分解抽取其特徵信息的研究策略,可供讀者在解決實際問題時予以借鑑.
本書適合生物信息學、圖像處理、信號處理等領域有關科研人員參考使用.
本書能夠順利地出版,得益於安徽省教育廳自然科學研究重點項目的資助,項目名稱為:保序映射算法在序列相似性分析中的套用研究。

圖書目錄

前言(Ⅰ)
第1章緒論
1.1生物信息學海量數據的產生背景
1.1.1生物信息學簡介
1.1.2兩種基本的生物序列
1.2生物序列比對概述
1.3基於序列比對的系統發育樹構建方法
1.3.1分子進化研究的基本方法
1.3.2構建系統進化樹的詳細步驟
1.3.3構建系統發育樹需要注意的幾個問題
1.4生物序列數值化表征模型的矩陣分解方法的研究背景
1.4.1序列圖形化表征
1.4.2基因組序列數值化表征及套用
1.4.3蛋白質序列數值化表征及套用
1.4.4有關K-mer的算法概述
1.5本書的內容安排
第2章基於矩陣束聯合對角化的DNA序列圖形化表征及其套用
2.1DNA序列的圖形化表征方法概述
2.2DNA序列的描述符
2.2.1相關的一些工作
2.2.2構建序列的鄰接矩陣
2.2.3矩陣分解理論簡介
2.2.4有關矩陣對角化的理論
2.2.5近似聯合對角化(AJD)
2.2.6算法的保距性
2.3圖形化表示法
2.3.1計算特徵值組成的序列表征向量(EVV)
2.3.2AJD算法收斂性分析
2.3.3基於特徵值組成的表征向量(EVV)的序列圖形聚類
2.4相似度分析
2.4.1聚類分析基本原理
2.4.2計算成對距離
2.4.311條β球蛋白基因的系統譜系分析
2.4.4與相關工作的比較
2.5本章結論
第3章基於SVD的基因組序列保序變換及其套用
3.1DNA序列數值描述符
3.2從基因組序列向數值向量的保序變換
3.2.1基因組序列變換矩陣的構建
3.2.2所提出的序列變換算法具有的良好性質
3.2.3保序變換奇異值分解(OPT-SVD)算法的過程描述
3.3保序變換算法在基因組序列相似度/相異度分析中的套用
3.4本章結論
第4章基於保距映射算法的基因組序列Map示圖及套用
4.1受PCA的啟發嘗試對基因組序列數值描述
4.2基因組序列的“保距”變換
4.2.1特徵矩陣的構建
4.2.2基因組序列變換的特性
4.3基於保距變換算法的基因組序列的相似度分析
4.3.1第一個數據集上的實驗結果
4.3.2另一個更大規模數據集上的實驗結果
4.4本章結論
第5章基於NFV-AAA算法的蛋白質序列相似度分析
5.1基於K-mer的組分向量法背景概述
5.2基於胺基酸(AAA)分布的蛋白質序列描述符
5.2.1描述符的範式
5.2.2蛋白質序列轉換成400×(L-1)稀疏矩陣
5.2.3AAA優於SAA
5.2.4對特徵矩陣M施行SVD以抽取序列的特徵
5.3NFV在相似度分析中的套用
5.3.1九條ND5蛋白質序列的相似度分析
5.3.2在24條轉鐵蛋白序列的數據集上的套用
5.4本章結論
第6章分段K-mer算法及其在序列相似度分析中的套用
6.1K-mer分析法優劣性分析
6.2基因組序列的描述符
6.3s-K-mer在34條線粒體基因組序列數據集上的套用
6.3.1最佳化算法的數據準備
6.3.2對K-mer進行尋優以便獲得其最優階數K*值
6.3.3s-K-mer算法的性能
6.3.4利用s-K-mer對基因組作系統發生分析
6.4本章結論
第7章基於層級虛擬混合與投影抽取的基因組序列比較
7.1有關FFP與ICA背景概述
7.2基因組序列特徵提取模型
7.2.1基於K-mer虛擬混合器的基因組序列數據預處理
7.2.2虛擬混合與投影抽取模型
7.2.3層級的VMPE模型
7.3HVMPE模型在真實基因組數據集上的套用
7.3.1先行相關數據的準備
7.3.2確定虛擬混合器(VM)的最佳階數K*
7.3.3對HVMPE模型進行最佳段數s*值的尋優
7.3.4層級的VMPE模型的效果分析
7.3.5基於HVMPE模型的基因組序列種系發生分析
7.3.6在另一個基因組數據集上的套用
7.4本章結論
第8章總結與展望
8.1本書的主要工作與創新點
8.2未來工作的構想
8.2.1NMF的基本原理
8.2.2序列分析中引入NMF算法的構想
參考文獻

相關詞條

熱門詞條

聯絡我們