(l,d)-模体识别问题的遗传优化算法

摘要：

转录因子结合位点识别在基因表达调控过程中起着重要的作用.文中提出了一种贝叶斯模型驱动的模体识别的遗传优化算法GOBMD(Genetic Optimization with Bayesian Model for Motif Discovery).GOBMD首先使用一个基于位置加权散列的投影过程,将输入序列中的l -mers投影到k维(k＜l)子空间,找出DNA序列中的起始良好候选模体,作为遗传算法的初始群体,以进一步求精.在遗传迭代过程中,采用结合贝叶斯模型的适应度函数指导进化过程.模拟数据的实验结果表明,与Gibbs、WINNOWER、SP-STAR、PROJECTION这些模体识别算法相比,GOBMD在对植入(l,d)-模体识别时有较好的性能,能够解决大部分挑战性的植入(l,d)-模体识别问题.此外,作者用Boxplot显示了上述模体识别算法在模拟数据识别上的性能系数分布,结果表明GOBMD具有较好的效率.针对真实生物序列的实验结果同样表明了GOBMD算法的有效性.

关键词：模体识别、遗传算法、贝叶斯模型、散列、投影

所属期刊栏目：35

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金69601003;博士点基金20100203110010;青年科学基金60705004

在线出版日期：2012-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1429-1439