DNA序列分类的神经网络方法.pdfVIP

　　第 20 卷 　第 2 期 计 　算 　机 　仿 　真 2003 年 2 月 　　 ( ) 文章编号 :1006 - 9348 2003 02 - 0065 - 04 DNA 序列分类的神经网络方法 1 ,2 3 4 李银山 ,杨春燕 ,张伟 ( 1 天津大学建筑工程学院 ,天津 ,300072 ;2 太原理工大学应用力学研究所 ,太原 030024 ; 3 中国平安保险公司广东分公司,广州 510090 ;4 北京工业大学机电工程学院 ,北京 100022) 摘要 :该文将人工神经网络方法用于 DNA 分类。首先应用概率统计的方法对 20 个已知类别的人工 DNA 序列进行特征提 取 ,形成 DNA 序列的特征向量 ,并将之作为样本输入BP 神经网络进行学习。采用 MATLAB 软件包中的神经网络工具箱中 的反向传播算法来训练神经网络。构造了两个三层BP 神经网络 ,将提取的 DNA 特征向量集作为样本分别输入这两个网络 进行学习。通过训练后 ,将 20 个未分类的人工序列样本和 182 个自然序列样本提取特征向量并输入两个网络进行分类。结 果表明 :分类方法能够以很高的正确率和精度对 DNA 进行分类 ,将人工神经网络用于 DNA 序列分类是完全可行的。 关键词 :分类 ;神经网络 ;遗传密码 中图分类号:TP183 　　文献标识码 :A 1 　问题描述[1 ] 合进行分类的问题 : ( ) 2000 年 6 月 ,人类基因组计划中 DNA 全序列草图完成 , ①有 20 个已知类别的人工制造的序列 见网址 ,其中 预计 2001 年可以完成精确的全序列图 ,此后人类将拥有一 序列标号 1～10 为 A 类 ,11～20 为 B 类。请从中提取特征 , 本记录着自身生老病死及遗传进化的全部信息的“天书”。 构造分类方法 ,并用这些已知类别的序列 ,衡量你的方法是 这本大自然写成的“天书”是由 4 个字符 A ,T ,C , G 按一定顺 否足够好。然后用你认为满意的方法 ,对另外 20 个未标明 ( ) ( 序排成的长约 30 亿的序列 ,其中没有“断句”也没有标点符 类别的人工序列 标号 21～40 进行分类 ,把结果用序号 按 ) ( ) 号 ,除了这4 个字符表示 4 种碱基以外 ,人们对它包含的“内 从小到大的顺序 标明它们的类别 无法分类的不写入 : 容”知之甚少 ,难以读懂。破译这部世界上最巨量信息的“天 A 类 ;B 类 。 书”是二十一世纪最重要的任务之一。在这个目标中 ,研究 请详细描述你的方法 ,给出计算程序。如果你部分地使 DNA 全序列具有什么结构 , 由这4 个字符排成的看似随机的 用了现成的分类方法 ,也要将方法名称准