生物序列比对算法研究现状与展望

序列比对是生物信息学研究的一个基本方法,寻求更快更灵敏的序列比对算法一直是生物信息学研究的热点.本文给出了生物序列比对问题的定义,综述了目前常用的各类比对算法,并对每一类算法的优缺点以及应用范围进行了分析,最后指出序列比对算法目前存在的问题以及未来的发展方向.     

面向非平稳时间序列的因果关系发现算法

针对传统因果关系算法不能分析非平稳时间序列和可变时滞时间序列数据因果关系的问题,本文提出一种基于分段聚合近似可变时滞转移熵(PAAVL-TE)的因果关系算法。利用分段聚合近似法对时间序列进行转换,提取时间序列的特征信息,运用动态时间弯曲距离寻找相似程度最高的时间序列计算可变时滞时间序列的转移熵,实现了非平稳时间序列的因果分析。通过计算机仿真模拟实验将提出的算法与存在的算法相比较,证实算法有效性。将该算法用于北京市昌平区PM_2.5浓度和气象数据分析,表明本文算法具有广泛的应用性。     

生物信息学案例在《数据结构》教学中的应用

为了改善《数据结构》课程的教学效果,提高学生的学习兴趣,将生物信息学中的一些案例按照其涉及的数据结构原理,引入到《数据结构》教学之中。其中,典型案例包括串联重复序列中的基因识别问题、双序列比对的动态规划算法和多序列比对中寻找折中序列的问题。教学实践表明,引入生物信息学案例能使学生加深对相关算法的理解。     

多序列渐进比对算法及其改进算法的研究与比较

多序列比对是一种重要的生物信息学工具,在生物的进化分析以及蛋白质的结构预测方面有着积极的意义.以ClustalW为代表的渐进式多序列比对算法在这个领域取得了很大的成功,成为应用最为广泛的多序列比对程序.但其固有的缺陷阻碍了比对精度的进一步提高,近年来出现了许多渐进式比对算法的改进算法,并取得良好的效果.本文选取了其中比较有代表性的几种算法对其基本比对思想予以描述,并且利用多序列比对程序平台BAliBASE和仿真程序ROSE对它们的精度和速度分别进行了比较和评价.     

生物信息学中的马尔可夫模型

随着人类基因组研究的不断发展,在世界各个（Genbank,SwissPort等）数据库中积累了大量蛋白质、核酸序列数据,如何分析和处理这些数据以获得更多的信息成为科学家们关心的核心问题,并由此产生了生物信息学。文章介绍了在生物信息学研究中常见的几种用于数据库搜索、序列比较、建立蛋白质模型、发现新基因等研究的马尔可夫模型。     

在非生物信息学专业大学生中开展《生物信息学》课程的探索与实践

生物信息学(Bioinformatics)是一门在生命科学研究中,以计算机为研究工具对生物学的信息进行储存、检索和分析的科学。它是当今生命科学和自然科学等的核心领域之一。本文综述了生物信息学的发展契机,分析了生物信息学采用课本的评价与选择,深入探讨了本课程内容的合理安排与设计,为在生物科学与生物技术专业的学生及其他非生物信息学专业的大学生中讲好本门课程奠定了基础。     

大数据技术在生物信息学中的应用综述

生物信息学的发展需要新技术的支持。大数据技术具有支持生物信息学的特征,并在生物信息领域取得了一定的成果。介绍了大数据技术在生物信息学中的应用基础,分析了数据采集、预处理、数据存储和管理、数据分析与挖掘技术,讨论了大数据技术应用于生物信息学中的瓶颈与挑战,以及应用出现的隐私泄露等问题,展望了大数据技术在生物信息学中的应用前景。     

计算机科学与生物信息学教育的关系

生物信息学是一门新兴的交叉学科，计算机科学如何更快更好地发挥其在生物信息学中的作用是我国广大计算机研究和开发人员面临的一个重要的新课题。本通过对计算机在生物信息学中若干应用的现状分析与前景展望，为高校加强计算机应用教育寻找计算机科学在生物信息学教育中的切入点提供了某些启示。     

基于小波包变换的多序列比对方法

多序列比对是一种重要的生物信息学工具,在生物的进化分析以及蛋白质的结构预测方面有着积极的意义.以CLUSTAL W为代表的渐进式比对方法在此这个领域取得了很大的成功,但其固有的缺陷阻碍了其比对精度的进一步提高.本文提出了一种基于小波包变换的多序列比对方法,这种方法利用小波包对数字信号良好的分析能力来寻找序列之间的相似片断,从而达到提高精度、降低计算量的作用.最后,本文利用多序列比对平台BA lisBASE和仿真程序ROSE,给出了此方法与其他比对算法的效率比较结果和讨论.     

小麦SOD基因的电子克隆及生物信息学分析

以NCBI中的EST数据库为主要数据来源,以一系列生物信息学软件为工具,进行了超氧化物歧化酶（SOD）基因的电子克隆及生物信息学分析。结果表明：通过电子克隆方法获得了SOD基因的编码区全长序列,该预测的SOD蛋白质氨基酸序列与数据库中同类基因的蛋白质氨基酸序列具有极高的相似性,并且含有完整的保守结构域;电子克隆到的SOD基因编码的不是分泌蛋白,也不是膜蛋白,而是胞质蛋白。通过某个基因的一个EST序列采用电子克隆的手段进行基因全长的电子拼接是可行的。     

串匹配算法在生物信息学中的应用

串匹配算法是字符串处理的一种基本算法,本文通过介绍串匹配算法在生物信息学中的应用,阐述了生物信息学的基本算法很适合作为应用实例在《数据结构》教学中进行讲解.     

生物信息学简介

1　什么是生物信息学 ?生物信息学是应用计算机技术管理生物信息的一门新型学科 ,它是生物学、数学、计算机科学、物理、化学等众多学科交叉的新型学科。 1990年人类基因组计划启动 ,研究人类基因组中的 3× 10 9碱基对的全部ＤＮＡ序列。 1994年美国国家基因组研究中心 (ＮａｔｉｏｎａｌＣｅｎ ｔｅｒｆｏｒＧｅｎｏｍｉｃＲｅｓｅａｒｃｈ)分析和储存 2× 10 8核苷酸 ,19 97年已达到 1.2× 10 9。截止到 1998年 10月 ,全世界已发表约 2 0亿碱基对的ＤＮＡ序列 ,并且以每天 10 6～ 10 7碱基对递增。随着人类基因组计划的启动与快速进展 ,…     

基因调控网络数据分析方法研究

DNA微阵列技术获得了大量的基因表达数据，为基因调控网络的研究提供了技术支持，基因表达数据分析成为目前生物信息学研究的热点和重点。利用教学模型和人工智能技术，研究分析基因表达数据之间的关系，构建合适的基因调控网络模型来模拟生物系统的行为，从中发现生物学规律，进而认识生命现象的本质，成为了生物信息学研究的重要内容。本文介绍了基因调控网络构建中常用的基因表达数据分析方法以及最新的研究进展。     

计算机专业生物信息学课程建设探新

生物信息学是一门现代生命科学与计算机科学相互渗透而形成的交叉学科,在农业、生物、医学等领域有极其广泛的应用,现已成为现代生物学的关键学科,相关人才非常缺乏,学生就业前景十分看好。针对目前国内生物信息学教学现状,借鉴其他学科成熟的教学模式,结合生物信息学的课程特点,探讨东北农业大学在计算机专业中开设生物信息学课程的几个问题,并提出了基本教学思路和具体应用方法。     

群智能优化算法及其在生物信息学问题中的应用

生物信息学研究需要使用先进的计算工具处理大量生物的模糊的和不确定的数据。群智能优化算法以低成本、快速和准确合理地解决复杂的搜索问题的优点,使其成为一族能用以较好地解决生物信息学中的问题的启发式算法。综述群智能优化算法及其在生物信息学问题中的应用。     

拟南芥MPK17基因在玉米中的电子克隆分析

文章主要运用生物信息学的方法,利用拟南芥MPK17基因在玉米中进行了电子克隆,并得到了目的基因,进一步对其DNA碱基序列与蛋白质氨基酸序列进行了分析,旨在为更好地研究MPK17基因提供一定的理论资料。     

农业院校开展生物信息学本科教育的实践与体会——基于湖南农业大学的实践

随着新一代测序技术的不断发展,海量序列数据急需生物信息学专业人才去挖掘。本文笔者结合自身十多年从事生物信息学本科专业的教学、管理的实践,提出在农业院校开展生物信息学本科教育中存在的主要问题以及解决办法,为有关单位开展生物信息学本科教育提供参考。     

大数据背景下的生物信息学教学探索

生物信息学是当今生命科学和自然科学的重大前沿领域之一,未来生命科学竞争的焦点之一将是生物信息学研究水平的竞争。因此,各高校十分重视生物信息学教学。针对大数据背景下生物信息学教学中存在的问题,本人结合实际教学经验,分别从强化基础理论、培养大数据意识、精心设计教学内容、创新教学方法和改革考核评价体系等五个方面来探索如何在高校开展生物信息学教学,为培养优秀的生物大数据分析人才奠定理论基础。     

一种基于专业课关联的计算机专业英语教学方法

在对当前高等学校中计算机专业英语课程教学中出现的各种现象分析总结的基础上,从实际出发,以激发学生主体兴趣为中心,提出了一种基于专业课关联的计算机专业英语教学法,并在实际教学中使用此方法,通过收集的数据分析对比,验证了此教学方法的可行性与有效性。     

基于结构方程模型改进ARMA模型参数估计

自回归移动平均模型（ARMA模型）是目前最常用的拟合平稳序列的模型,分为AR模型、MA模型和ARMA模型三大类。通常将自回归模型（AR）、移动平均模型（MA）或自回归移动平均模型（ARMA）,称作ARIMA模型体系,是一个重要的预测工具,成为时间序列分析中许多基本思想的基础。针对时间序列数据分析中ARMA模型的识别、建立和估计问题,提出一种将SEM结构方程应用于ARMA模型参数估计的改进算法,以加快计算的收敛速度和提高模型参数估计的精确度。通过将时间序列数据的协方差式子进行变换,发现其结果满足结构方程对变量协方差的要求。结果表明,可以将SEM结构方程应用于ARMA模型来处理时间序列模型数据。