生物信息学若干问题研究报告

论文摘要

“生物信息学”是一门崭新的交叉学科，它覆盖了生物学、数学、物理学、化学和计算机科学等众多学科，目前对它的研究引起了广泛的重视，同时也取得了许多的研究成果。生物信息学主要的研究手段和工具是计算机技术，并同时采用了统计学、数学方面的模型，用来解决生物科学中的某些问题。生物信息学的发展不仅依赖于这些学科的发展，同时也对这些学科提出了新的挑战和要求。本论文综述了生物信息学中若干问题的研究现状，介绍了生物信息学的基本概念，生物信息学主要的研究对象，研究目的及现有的研究进展。介绍了包括动态规划方法、数学统计方法、生物分子的计算机模式，计算智能技术等主要的生物信息学研究方法。着重介绍了生物信息学中计算智能的主要技术，分别为人工神经网络算法及遗传算法。神经网络方法，是通过学习人脑的功能，对数据中所蕴含的信息和规律加以提取和识别，并通过对获得的信息进行学习和重新组织，结合专家经验，实现对问题的有效处理和解决。由于它的方法多样、适用于计算机计算以及预测精度好的特点，所以被大家广泛的研究应用于蛋白质二级结构预测中。而遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。遗传算法作为一种概率搜索算法，是一种自组织、自适应、自学习的智能化算法。它以决策变量的编码作为运算对象，以目标函数值作为搜索信息，强调概率转移规则，是讨论二维HP折叠模型的一种重要方法。本文主要介绍了人工神经网络在蛋白质二级结构预测中的应用，以及遗传算法在蛋白质折叠预测中的应用，通过对二者的研究，有利于更深入的了解生物信息学的智能算法及应用问题。

论文目录

• 提要
• 中文摘要
• Abstract
• 第1章 生物信息学的研究背景及现状
• 1.1 生物信息学
• 1.2 生物信息学的研究现状和趋势
• 1.3 生物信息学研究的主要内容
• 1.4 生物信息学的主要方法
• 1.4.1 数学统计方法
• 1.4.2 动态规划方法
• 1.4.3 机器学习与模式识别技术
• 1.4.4 生物分子模拟技术
• 1.4.5 计算智能技术
• 1.5 生物信息学的研究意义
• 1.6 本文的主要研究工作
• 第2章 计算智能主要技术
• 2.1 人工神经网络
• 2.1.1 神经网络定义
• 2.1.2 神经网络的结构
• 2.1.3 BP神经网络
• 2.1.4 神经网络应用
• 2.2 遗传算法
• 2.2.1 遗传算法概要
• 2.2.2 遗传算法的运算过程
• 2.2.3 遗传算法的特点
• 2.2.4 遗传算法的应用
• 第3章 人工神经网络方法在蛋白质二级结构预测中的应用
• 3.1 蛋白质二级结构
• 3.2 蛋白质二级结构预测的神经网络方法
• 3.3 BP神经网络用于蛋白质二级结构预测
• 3.4 PHD方法
• 3.5 小节与展望
• 第4章 遗传算法在蛋白质折叠预测中的应用
• 4.1 蛋白质折叠预测
• 4.2 蛋白质折叠的HP模型
• 4.3 蛋白质折叠算法设计
• 4.4 用遗传算法预测蛋白质折叠
• 4.5 小节与展望
• 第5章 结论与展望
• 参考文献
• 致谢