生物序列的语义分析——算法与词典-概率论与数理统计专业毕业论文.pdf

摘要 生命离不开蛋白质，而所有蛋白质都足有一系列氨基酸按一定生物规 则排列而成， (最常见的氨基酸种类有20种)．若把这些氨基酸认为 是组成蛋白质的不可分割的基本单元，那么，每一个蛋白质就成为由 氨基酸(用符号表示)排列的一级序列．同时，这些生物序列也就成为 生物学的语言文字，本文通过对这些语言文字的语义分析(包括词法 与语法分析)，得到许多有用而重要的结论． 作者主要以参考文献[11与[2】为基础，从蛋白质一级结构数据库 的“信息，统计分析”和‘组合分析”两个不同的方面入手，利用广泛 的数学工具讨论蛋白质的词法规则和语义结构．并对swiss-prot这样的 大型数据库，分别给出局部词语、核心词的有效可行算法并将其在计算 机上实现．最后对计算结果《蛋白质局部一核心词词典》，进行一系 列分析，并探讨它们在蛋白质演变与蛋白质工程中可能产生的应用． 关键词；语义分析、局部词、核心诃、蛋白质局部一核心词词典 Abstract all iswcU basisof ofseriesofalnino As lives，consist known，proteins，the kindsof acids ore20 COIIIIIIOII bybiologicalrules(infact，there arranged as theseaminoacidsthe unitsof amino basic acids)．Rcgording proteins， modelcall asan illthe bctaken denoted everyprotein array byalpha- bctie oreso-called aresult，these arrays symbols(these bioscquences)，As of this the biology．In bi(xsequencxs“bccanm”thelanguages paper，through semantic of thewords and analysisthese“lallguagcs’(includingalralysis andusefld important resultsfollowed． 掣ammoranalysm)，many On with Inthis basedthe paper，mainly reference[1】and【2】，beginning the“information—statistms analysisl’ofprotein an