面向計算生物學問題的小波構造理論的研究

面向計算生物學問題的小波構造理論的研究

《面向計算生物學問題的小波構造理論的研究》是依託吉林大學,由李瑛擔任項目負責人的青年科學基金項目。

基本介紹

  • 中文名:面向計算生物學問題的小波構造理論的研究
  • 項目類別:青年科學基金項目
  • 項目負責人:李瑛
  • 依託單位:吉林大學
項目摘要,結題摘要,

項目摘要

小波在計算生物學的套用已取得令人欣喜的研究成果,並具有廣闊的套用前景。但同時小波在該領域的套用,仍然停留在已有小波簡單直接使用上,這遠遠不能滿足需要。 為此本項目針對具體的計算生物學問題和數據研究自適應小波構造以及尋求有效的小波框架下的新型計算生物學模型。主要包括(1)針對由於生物學數據和具體的生物學問題都有其獨特性,尋求具有生物學意義的準則並依此選擇和構造相應的小波,是本項目的首要任務;.(2)建立有效的基於小波框架下的算法模型,充分融合小波卓越的數據處理能力與核方法和HMM等模型優異的學習能力和編碼生物學知識的潛力,建立小波與核方法和隱馬爾可夫模型結合的最佳模型與算法;(3)研究基於小波核方法的的異質的生物學數據的有效整合算法。(4)突破傳統序列比對和結構比對的框架,構建非比對的比較基因組方法和新的RNA結構比較。

結題摘要

針對微陣列圖象、基因表達數據、蛋白質序列和RNA序列為研究對象,豐富與發展基於小波的計算生物學理論與算法,為計算生物學的研究提供更加最佳的模型和有效的工具,致力於構建基於小波框架下的新型高效的生物數據處理技術。對於微陣列圖像處理,在深入分析了微陣列圖像的統計特性後,構造了自適應小波模型,並將其與隱馬爾科夫樹模型結合,建立了微陣列圖像的增強算法。對於基因表達數據,基於交叉相關性分析和小波的多解析度特性,提出了新的尺度-特異的基因表達數據的相似性度量,構建了不同尺度上的基因共表達網路。此外還提出了新的基於多解析度分形特徵的形狀混合聚類算法用於基因表達數據分析。對於蛋白質序列分析,提出了基於kernel 近鄰傳播聚類算法並用於蛋白質遠同源性的檢測,為了給出有效的評價,設計了基於聚類算法的預測精度度量指標。對於RNA序列,突破傳統序列比對和結構比對的框架,構建非比對的RNA結構比較方法,包括基於圖像表示的RNA結構比較算法和基於三重向量表示的多解析度的RNA結構比較算法。基因共表達網路的重疊社區發現算法以及非平衡支持向量機的RNA剪下識別算法。此外,項目還對一些基礎算法進行了深入研究,包括多元Birkhoff插值,3D小波的構造等進行了進一步的研究。

相關詞條

熱門詞條

聯絡我們