RNA-Z曲线及其在病毒基因识别中的应用

20世纪90年代中期提出的Z曲线方法从几何学的角度阐明了如何识别基因,并取得了非常好的实验结果．但它是完全基于DNA序列结构构建的,对于识别RNA病毒基因效果并不理想,本文提出的RNA—Z曲线方法则弥补了这一缺陷．     

隐马尔科夫过程在基因识别中的应用

用非数学语言描述了隐马尔科夫过程（hidden mark-ov model,HMM),介绍了HMM用于基因识别的原理及基于HMM开发的,比较常用的基因识别程序。     

植物基因识别及克隆策略研究进展

随着基因组数据的积累,同时识别多个基因、解读其功能,正在成为揭示环境信号调控植物组织分化及器官形成分子机制必不可少的途径。我们从基因组水平、转录水平和蛋白质水平,回顾总结了识别发育及代谢相关基因、解读其功能的一般策略,讨论并比较了各主要策略的优缺点,并提出方法选择的一般原则。     

基于AR模型的基因芯片数据识别

将自回归模型(AR)模型引入基因芯片数据识别领域,提出了基于自回归模型的时间序列特征提取方法．利用动态时轴弯曲(DTW)作为分类器,在标准的肿瘤基因芯片数据的识别结果表明,本方法能够达到100％的识别率,可以应用于基因芯片数据的识别、分类和基因疾病推断。     

广义隐Markov模型在基因识别中的应用

广义隐Markov模型(GHMM)是基因识别的一种重要模型,但是其计算量比传统的隐Markov模型大得多,以至于不能直 接在基因识别中使用。根据原核生物基因的结构特点,提出了一种高效的简化算法,其计算量是序列长度的线性函数。在此 基础上,构建了针对原核生物基因的识别程序GeneMiner,对实际数据的测试表明,此算法是有效的。     

植物——病原互作系统中基因对基因识别研究

从自然植物种群对Ｒ基因的选择和淘汰、对属和种的专化性、抗病基因的复杂性、抗病基因的分子专化性、信号传导中基因的相互作用,以及Ｒ基因的开发利用与持久抗性战略等方面总结评述了当前在植物－病原互作系统中基因对基因识别研究领域的新进展,并且提出了需进一步研究的问题。     

基于基因组数据分析的细菌耐药基因识别与表型预测

利用基因组数据和生物信息学分析方法,快速鉴定耐药基因并预测耐药表型,为细菌耐药状况监测提供了有力辅助手段。目前,已有的数十个耐药数据库及其相关分析工具这些资源为细菌耐药基因的识别以及耐药表型的预测提供了数据信息和技术手段。随着细菌基因组数据的持续增加以及耐药表型数据的不断积累,大数据和机器学习能够更好地建立耐药表型与基因组信息之间的相关性,因此,构建高效的耐药表型预测模型成为研究热点。本文围绕细菌耐药基因的识别和耐药表型的预测,针对耐药相关数据库、耐药特征识别理论与方法、耐药数据的机器学习与表型预测等方面展开讨论,以期为细菌耐药的相关研究提供手段和思路。     

一种基于基因拓扑重要性的通路识别方法

癌症相关通路的识别是认识癌症发生发展过程机制的生物学基础。已有的通路识别方法很少考虑基因在通路中的拓扑重要性。重叠基因降权(PADOG)方法在基因集分析(GSA)方法的基础上融入了基因特异性的影响,提高了癌症相关通路的识别性能。为进一步提高癌症相关通路的识别性能,首先统计了KEGG通路数据集中基因出度的分布情况,根据基因出度的大小定义了基因的重要性。最后将基因的特异性和重要性融合在一起,提出了一种基于基因重要性和特异性的通路分析方法 PAGIS。在结肠癌、肺癌和胰腺癌3个数据集上的实验结果表明,PAGIS方法比PADOG能够提高很多癌症相关的排名,从而提高癌症相关通路的识别效果。     

隐马尔科夫过程在生物信息学中的应用

隐马尔科夫过程（hidden markov model,简称HMM）是20世纪70年代提出来的一种统计方法,以前主要用于语音识别。1989年Churchill将其引入计算生物学。目前,HMM是生物信息学中应用比较广泛的一种统计方法,主要用于：线性序列分析、模型分析、基因发现等方面。对HMM进行了简明扼要的描述,并对其在上述几个方面的应用作一概略介绍。     

多基因遗传病基因研究的策略和方法

基因在决定个体表型方面起着决定性的作用。虽然单基因疾病的致病基因的克隆工作取得了显著的进展,但对于多基因疾病来说,仍然存在许多问题,同时也是巨大的挑战。本文综述了多基因疾病的遗传特点和多基因疾病易感基因识别、分离和克隆的一般步骤和存在的问题,介绍了人类基因组计划在此过程中的作用和单核苷酸多态性的应用前景,提出 了最有可能克隆出多基因疾病易感基因的策略和方法。