生物序列的HMM方法.pptVIP

* 第五章 生物序列的 HMM方法 (Part 2) Introduction to Computational Biology §5.3 生物序列的隐Markov模型 Introduction to Computational Biology 构造模型，刻划较长DNA序列中的结构（CpG岛+非CpG岛区） 例子：人类基因组中与启动子相关的CpG岛信号 （1）给定一段DNA序列片段，判别它是否CpG岛？ 对应于Markov过程问题 （2）给定一段长DNA序列，识别其中的CpG岛？ 对应于隐Markov模型问题 将描述CpG岛的“Model +”和描述非CpG岛的“Model －”结合在一条序列中的Markov过程 增加CpG岛与非CpG岛交界的状态转移 Introduction to Computational Biology A+ C+ G+ T+ A– C– G– T– 刻划含CpG岛结构的DNA序列的HMM模型 （注意：除图中所示的状态转移外， “Model +”和 “Model －” 内的状态转移的定义仍然保留，但图中未标示） Model ＋ (CpG岛) Model － (非CpG岛) G– G+ G Hidden Observed Introduction to Computational Biology 5.3.1 HMM的定义 C– G– G+ C+ G+ A+ T– A– C G G C G A T A 观察序列x 状态序列? xi-1 xi Observed Hidden 区分：观察序列x和状态序列?，都用Markov过程来描述。 状态序列?也称为路径（path） ? i-1 ? i 定义状态转移概率（Transition probability）akl： 人为添加状态序列的起始和结束状态： Introduction to Computational Biology 定义输出概率ek(b) (emission probability)为： 表示在状态? i取k时，该状态导致产生符号b（可以是单个符号，也可以是字符串）的概率。 附：CpG岛模型 注意：状态转移概率akl和输出概率ek(b)的定义都是一种条件概率。 Introduction to Computational Biology 例1：GpC岛的HMM模型参数 状态：{A+, C+, G+, T+, A?, C?, G?, T?} 输出符号：{A, C, G, T} 状态转移概率： Introduction to Computational Biology 例2：赌场骰子的HMM模型参数 0.95 Fair Loaded point 1: 1/6 point 2: 1/6 point 3: 1/6 point 4: 1/6 point 5: 1/6 point 6: 1/6 point 1: 1/10 point 2: 1/10 point 3: 1/10 point 4: 1/10 point 5: 1/10 point 6: 1/2 0.9 0.05 0.1 状态：{F, L} 输出符号：{1, 2, 3, 4, 5, 6} Introduction to Computational Biology F F F F F L L L 4 4 5 4 3 6 3 6 观察序列x 状态序列? xi-1 xi Hidden ? i-1 ? i ?1 a0, ?1 e?1(b) x1 ?2 a?1, ?2 e?2(b) x2 ?3 a?2, ?3 e?3(b) x3 ?4 a?3, ?4 e?4(b) x4 HMM产生观察符号序列的机制： Observed Introduction to Computational Biology 对于观察序列x和状态路径?，可以计算它们的联合概率： C+ G– C– G+ C G C G 观察序列x 状态序列? Introduction to Computational Biology 5.3.2 Viterbi算法——最大可能路径 C– G– G+ C+ G+ A+ T– A– C G G C G A T A xi-1 xi ? i-1 ? i 观察序列 Observation sequences 隐状态序列 Underlying states 译码问题 Decoding ? Introduction to Computational Biology 预测隐状态序列的准则 选择最大可能状态路径（Most prob