基于隐马尔可夫模型的多重序列分析.pdfVIP

第 卷 第 期 中山大学学报 （自然科学版） EE Q54 +EE :5 + 年 月 %%$ B -0C- G0RU:CR-NF( :-CFN-6RF( F:RQUNGRC-CRG GF:S-CGU:R (12 + %%$ 基于隐马尔可夫模型的多重序列分析! ! ! 罗泽举 ，朱思铭 ，何 淼 （ 中山大学数学与计算机科学学院，广东广州 ； !# $!%$ # 中山大学生命科学学院，广东广州$!%$ ） 摘 要：隐马尔可夫模型是最近几年在许多机器学习领域都得到成功应用的关于序列分析的重要统计模型，特 别是在蛋白质家族的识别方面。这主要是由于生物数据的急剧增长导致 个领域 （计算科学和生物学）走向结 合引起的。探讨了多重序列比对和序列谱隐马尔可夫模型，讨论了隐马尔可夫模型的基本算法以及如何建立 。根据 值和训练分数进行蛋白质家族的识别和分类。 ’(() ! 关键词：隐马尔可夫模型；多重序列比对；蛋白质家族的分类 中图分类号： 文献标识码： 文章编号： （ ） *!!+, - %$./,$. %%$ %/%%%./%$ ! 研究背景 多重序列比对 隐马尔可夫模型是最近几年在许多机器学习领 + ! 多重序列比对的描述 域都得到成功应用的关于序列分析的重要统计模 一个多重序列比对可以看成是三元组 ! 型，特别是在蛋白质家族的识别方面。多重序列分 （ ，，），其中 是字母表的集合，若对 或 # $ ?:- 析是寻找整个基因家族的共同特征的重要方法，通 ， ｛， ， ， ，—｝或 ｛， ， N:- O - C P 0 O - F 过多重序列比对，发现它们特征序列，某个家族成 ， ，—｝（其中 “—”表示空位或删除态）；若 P 0 员进化可以看成是由特征序列经过若干年代一系列 是针对蛋白质， 是 种氨基酸字母和 “—”的 % 的插入、替代、删除的结果。多重序列分析是一个 集合，即 ｛， ， ， ， ， ， ， ， ， O P - 6 ( H L G : 非常困难的问题，涉及许多模型的选择， 和 ， ， ， ， ， ， ，