基于貝葉斯網(wǎng)絡(luò)的基因調(diào)控網(wǎng)絡(luò)建模分析與研究.pdf

1、隨著信息技術(shù)與計算科學(xué)不斷發(fā)展，人們在研究自然科學(xué)的同時，越來越對自身奧秘和生物進化過程產(chǎn)生濃厚的興趣。人類基因組計劃的逐步實施，基因芯片微陣列技術(shù)的出現(xiàn)，標(biāo)志著后基因組時代已經(jīng)來臨。對大規(guī)模的生物數(shù)據(jù)進行數(shù)學(xué)建模和分析，構(gòu)建基因調(diào)控網(wǎng)絡(luò)成為重要的研究方向。
　　 分析了已有的基因調(diào)控網(wǎng)絡(luò)模型的特點，考慮到貝葉斯網(wǎng)絡(luò)模型作為隨機模型，具有表述直觀、推理靈活、決策方便等優(yōu)點，研究了基于貝葉斯網(wǎng)絡(luò)的基因調(diào)控網(wǎng)絡(luò)構(gòu)建方法。
　　

2、 利用已知的樣本數(shù)據(jù)對網(wǎng)絡(luò)模型進行重建，可以視為一個優(yōu)化問題。根據(jù)這種思想，本文以貝葉斯網(wǎng)絡(luò)的BIC評分值作為目標(biāo)函數(shù)，選取了兩種不同的群優(yōu)化算法對貝葉斯網(wǎng)絡(luò)進行學(xué)習(xí)。第一種是粒子群優(yōu)化算法，文中采用互信息對初始父節(jié)點進行了篩選，重新定義了粒子群優(yōu)化算法中的粒子位置、速度編碼、粒子迭代運算法則以及參數(shù)。第二種是人工魚群算法，文中重新定義了人工魚群算法中的人工魚編碼、人工魚行為以及人工魚鄰居和聚類中心，為了避免算法陷入局部極值，引入了自