基于隐马尔可夫模型的DNA 序列识别

华南理工大学学报（自然科学版） ›› 2007, Vol. 35 ›› Issue (8): 123-126.

• 数学科学 • 上一篇

基于隐马尔可夫模型的DNA 序列识别

罗泽举¹李艳会²宋丽红³朱思铭²

1.重庆工商大学计算机科学与信息工程学院，重庆 400067; 2. 中山大学数学与计算科学学院，广东广州 510275 ;3 重庆工商大学实验实习中心，重庆 400067

收稿日期:2006-08-26 出版日期:2007-08-25 发布日期:2007-08-25
通信作者: 罗泽举(1965-) ，男，博士，主要从事机器学习，生物信息学研究 E-mail:luozeju@126.com
作者简介:罗泽举(1965-) ，男，博士，主要从事机器学习，生物信息学研究
基金资助:
国家自然科学基金资助项目(10371135) ;重庆市教育委员会科学技术研究项目( KJ0707022 )

Recognition of DNA Sequences ßased on Hidden Markov Models

Luo Ze-ju¹Li Yan-hui² Song Li-hong³ Zhu Si-ming²

1. School of Computer Science and 1nformation Engineering， Chongqing Tech. and Business Univ. , Chongqing 400067 , China;2. School of Mathematics and Computational Science , Sun Yat-Sen Univ. , Guangzhou 510275 , Guangdong , China;3. Center of Experiment and Practice , Chongqing Tech. and Business Univ. , Chongqing 400067 , China

Received:2006-08-26 Online:2007-08-25 Published:2007-08-25
Contact: 罗泽举(1965-) ，男，博士，主要从事机器学习，生物信息学研究 E-mail:luozeju@126.com
About author:罗泽举(1965-) ，男，博士，主要从事机器学习，生物信息学研究
Supported by:
国家自然科学基金资助项目(10371135) ;重庆市教育委员会科学技术研究项目( KJ0707022 )

摘要/Abstract

摘要： 利用隐马尔可夫模型训练中不同结构的DNA 序列的L 值分布范围不同的特点，对传统多类投票模型进行改进，提出一种优于传统算法的快速训练算法，该算法只需训练出一类隐马尔可夫模型参数.对DNA 内含子和外显子序列进行识别，平均识别率达到了90.8%. 与支持向量机相比，隐马尔可夫模型在解决多分类问题方面具有优势，不但计算时间少，而且识别率高.

关键词: 隐马尔可夫模型, DNA 序列, 内含子, 外显子, 识别, 快速训练算法

Abstract:

According to the distribution variation of the L value with the DNA sequence structure in the hidden Markov model (HMM) training and by improving the traditional multiclass vote model , a fast training algorithm superior to the traditional one is proposed to recognize the intron and exon of the DNA sequence. The proposed algorithm only need to train one class of parameter of HMM model and the average accuracy rate of it reaches 90. 8%. As compared with the support vector machine , the proposed HMM model is more feasible in the multiclass classification and is of less time cost and higher recognition rate.

Key words: hidden Markov model, DNA sequence, intron, exon, recognition, fast training algorithm

罗泽举李艳会宋丽红朱思铭. 基于隐马尔可夫模型的DNA 序列识别[J]. 华南理工大学学报（自然科学版）, 2007, 35(8): 123-126.

Luo Ze-ju Li Yan-hui Song Li-hong Zhu Si-ming. Recognition of DNA Sequences ßased on Hidden Markov Models[J]. Journal of South China University of Technology (Natural Science Edition), 2007, 35(8): 123-126.

[1]	马晓亮, 安玲玲, 邓从健, 等. 基于行业词表的自动语音转写后优化技术[J]. 华南理工大学学报(自然科学版), 2023, 51(8): 118-125.
[2]	王福建, 程慧玲, 马东方, 等. 基于深度逆向强化学习的城市车辆路径链重构[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 120-128.
[3]	张嘉讯, 郑秋纳, 余振宇, 等. 基于PPG脉搏信号特征值的驾驶员脑血管疾病识别模型[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 139-150.
[4]	郭恩强, 符锌砂. 基于特征相似性学习的抛洒物检测方法[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 30-41.
[5]	郭淼, 赵晓华, 姚莹, 等. 基于驾驶行为和交通运行状态的事故风险研究[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 29-38.
[6]	秦雅琴, 钱正富, 谢济铭, 等. 基于社会力的交织区突发瓶颈段协同换道决策模型[J]. 华南理工大学学报(自然科学版), 2022, 50(7): 66-75.
[7]	孙晓贺, 施成华, 刘凌晖, 等. 基于改进的种子填充算法的混凝土裂缝图像识别系统[J]. 华南理工大学学报(自然科学版), 2022, 50(5): 127-136,146.
[8]	符锌砂, 曾彦杰, 马丽, 等. 基于轻量化神经网络的公路监控场景天气识别研究[J]. 华南理工大学学报(自然科学版), 2022, 50(3): 1-8.
[9]	邱志斌, 卢祖文, 王海祥, 等. 基于Mel频谱图和CNN的电网涉鸟故障鸟声识别[J]. 华南理工大学学报(自然科学版), 2022, 50(2): 129-136.
[10]	杜启亮, 向照夷, 田联房, 等. 用于动作识别的双流自适应注意力图卷积网络[J]. 华南理工大学学报(自然科学版), 2022, 50(12): 20-29.
[11]	王洁, 夏晓明. 基于机器阅读理解的BiLSTM-BiDAF命名实体识别[J]. 华南理工大学学报(自然科学版), 2022, 50(12): 80-88.
[12]	符锌砂, 彭锦辉, 曾彦杰, 等. 面向自动驾驶汽车的交通标线使用状况评估方法[J]. 华南理工大学学报(自然科学版), 2022, 50(11): 1-13.
[13]	程小云, 屈霞萍, 张学宇, 等. 基于动态贝叶斯网络的常发性拥堵传播机理分析[J]. 华南理工大学学报(自然科学版), 2022, 50(11): 25-34.
[14]	张艳, 高梓健, 许昌康, 等. 基于融合分布图网络的触觉压力足迹分类方法[J]. 华南理工大学学报（自然科学版）, 2022, 50(1): 91-100.
[15]	付鹏斌董澳静杨惠荣. 基于贪吃蛇算法和部首识别的手写文本切分[J]. 华南理工大学学报（自然科学版）, 2022, 50(1): 80-90.

基于隐马尔可夫模型的DNA 序列识别

Recognition of DNA Sequences ßased on Hidden Markov Models

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价