生物信息学综述论文3900字_生物信息学综述毕业论文范文模板.pdf

生物信息学综述论文3900字_生物信

息学综述毕业论文范文模板

生物信息学综述论文3900字(一)：计算机算法在生物信息

学中的应用综述论文

摘要：在人类基因组计划的推动下，生物信息学得到了人们的广泛关注，并

呈现出数量多、计算量大等鲜明特征，因此要求在生物信息学中采用计算机算法，

以提高生物信息学处理问题的效率。以生物信息学中常用的计算机算法为切入点，

进一步从基因表达数据分析、基因组序列信息分析、生物序列差异和相似性分析、

遗传数据分析以及蛋白质结构与功能预测5个方面，论述了计算机算法在生物信

息学中的典型应用。

关键词：生物信息学；基因；计算机算法；数据分析

0引言

生物信息学（Bioinformatics）作为一门新兴的交叉学科，是随着生命科学

和计算机科学的高速发展而出现的。它通过充分利用生物学、信息学、数学、物

理学、统计学以及计算机网络等工具或手段，对大量生物数据信息进行有效的阐

明和分析，使之成为具有相应生物意义的生物数据信息。其涵盖了基因组信息的

获取、处理、分配、存储等多个方面，通过对生物信息的比较和分析，从而获取

基因编码以及核酸和蛋白质结构功能等信息，是最具活力和发展前景的学科之一。

然而，生物信息学在我国由于起步较晚，加之其自身呈现出的数量多、计算量大

等特征，使生物信息学面临着计算瓶颈。基于此，笔者结合自己的工作实践，对

计算机算法在生物信息学中的应用进行探讨，以期为在生物信息学中进行有效的

数据挖掘提供理论支持。

1生物信息学中常用的计算机算法

算法作为计算机科学的一个重要分支，在计算机科学中居于核心地位。在信

息时代，算法作为解决问题的重要工具之一，其通过输入符合规范的信息，从而

在短时间内快速获取所需要的输出，现已在各个领域得到了广泛应用。在生物信

息学中，计算机算法的应用也对生物信息学的发展起着积极推动作用。生物信息

学中常用的计算机算法主要包括以下几种：

（1）分治法。分治法即在解决大的问题实例时，通过将该问题实例分解为具

有相同问题的几个小的问题实例，再采用递归方法依次对这些小的问题实例求解，

然后将所得的解合并，从而得出大的问题实例的解。分治法主要应用于合并排序、

最近对和凸包问题等领域。而在生物信息学中，可以通过分治法来分析处理序列

比对以及序列联配等问题。其中，序列比对在生物学中是最为常见的问题之一，

通过PSW-DC算法、生物序列比对算法，在分而治之方法理念的指导下，将Qu

ery序列划分成几个片段，再分配给对应的处理器，然后并行地按照Smith-Wat

erman算法和目标序列进行对比，最终根据相应规则的扩展过程得到最优化的序

列匹配[1]。

（2）图算法。图算法指通过特制的线条算图求得问题实例解的一种便捷算法。

图作为一种非线性结构，极具复杂性。因此，图算法无论是在工程、人工智能、

数学领域，还是在生物信息学、计算机科学领域均得到了广泛应用。其中，在生

物信息学中，运用图算法能够解决很多生物信息学问题，例如：DNA测序、蛋白

质测序等。

（3）贪婪算法。贪婪算法指在一定标准下，通过制定一系列步骤构造问题实

例的解，并从众多解中选取局部最优的一个。选取不具有撤销性，因而依此选取

直至全局达到最优。在生物信息学中，贪婪算法主要应用于解决基因组重排、反

序排列等问题[2]。该算法在生物信息学中的应用不仅能够使问题得到最优解，而

且具有较高的运算速度，是一种有效且可行的计算机算法。

（4）动态规划算法。动态规划算法是指将大的问题实例分解为若干小的、类

似的、交错的子问题实例，通过从下到上的递推方式求得最优值，并将子问题实

例的解进行有效存储，防止重复计算子问题，从而得到问题最优解决方案的一种

算法策略。将动态规划算法运用到生物信息学中，能够有效地分析并处理数据之

间的重叠性以及相关性等特点，因此主要应用于DNA序列比较、局部及全局序

列联配、多重联配、基因预测及填充表达缺失数据等问题中[3]。

2计算机算法在生物信息学中的典型应用

2.1基因表达数据分析

基因表达数据分析一直是生物信息学研究的热点和难点。在当今的工作实践

中，往往采用计算机算法中的聚类分析对基因表达数据进行分析处理，通过把表

达规律相近的基因聚成一类，从而找出相互之间有关联的基因，并分析基因功能。

计算机算法可以通过基因的转录调节网络，观察基因的表达模式随环境变化或在