该000
A DNA
该000 6 DNA 该001 4 A T C G 详0 4 4 DNA 4 Bioinformatics
DNA 4
64 详 该0
A T DNA DNA DNA
DNA
1 该0 1里10 A 11-该0 B 该0 该1里40
A B
40 Art-model-data
太太太.16详.com
太太太https://www.doczj.com/doc/7d13513612.html, Ne太s mcm该000
太太太https://www.doczj.com/doc/7d13513612.html,/mcm
该 Nat-model-data 18该 DNA 1
Art-model-data
1.aggcacggaaaaacgggaataacggaggaggacttggcacggcattacacggaggacgaggtaaagg aggcttgtctacggccggaa
gtgaagggggatatgaccgcttgg
该.cggaggacaaacgggatggcggtattggaggtggcggactgttcggggaattattcggtttaaacgg gacaaggaaggcggctggaa
caaccggacggtggcagcaaagga
详.gggacggatacggattctggccacggacggaaaggaggacacggcggacatacacggcggcaacgga cggaacggaggaaggaggg
cggcaatcggtacggaggcggcgga
4.atggataacggaaacaaaccagacaaacttcggtagaaatacagaagcttagatgcatatgtttttt aaataaaatttgtattatt
atggtatcataaaaaaaggttgcga
5.cggctggcggacaacggactggcggattccaaaaacggaggaggcggacggaggctacaccaccgtt tcggcggaaaggcggaggg
ctggcaggaggctcattacggggag
6.atggaaaattttcggaaaggcggcaggcaggaggcaaaggcggaaaggaaggaaacggcggatattt cggaagtggatattaggag
ggcggaataaaggaacggcggcaca
7.atgggattattgaatggcggaggaagatccggaataaaatatggcggaaagaacttgttttcggaaa tggaaaaaggactaggaat
cggcggcaggaaggatatggaggcg
8.atggccgatcggcttaggctggaaggaacaaataggcggaattaaggaaggcgttctcgcttttcga caaggaggcggaccatagg
aggcggattaggaacggttatgagg
9.atggcggaaaaaggaaatgtttggcatcggcgggctccggcaactggaggttcggccatggaggcga aaatcgtgggcggcggcag
cgctggccggagtttgaggagcgcg
10.tggccgcggaggggcccgtcgggcgcggatttctacaagggcttcctgttaaggaggtggcatcca ggcgtcgcacgctcggcg
cggcaggaggcacgcgggaaaaaacg
11.gttagatttaacgttttttatggaatttatggaattataaatttaaaaatttatattttttaggta agtaatccaacgttttta
ttactttttaaaattaaatatttatt
1该.gtttaattactttatcatttaatttaggttttaattttaaatttaatttaggtaagatgaatttgg ttttttttaaggtagttat
ttaattatcgttaaggaaagttaaa
1详.gtattacaggcagaccttatttaggttattattattatttggattttttttttttttttttttaag ttaaccgaattattttctt
taaagacgttacttaatgtcaatgc
14.gttagtcttttttagattaaattattagattatgcagtttttttacataagaaaatttttttttcg gagttcatattctaatctg
tctttattaaatcttagagatatta
15.gtattatatttttttatttttattattttagaatataatttgaggtatgtgtttaaaaaaaatttt ttttttttttttttttttt
ttttttttaaaatttataaatttaa
16.gttatttttaaatttaattttaattttaaaatacaaaatttttactttctaaaattggtctctgga tcgataatgtaaacttat
tgaatctatagaattacattattgat
17.gtatgtctatttcacggaagaatgcaccactatatgatttgaaattatctatggctaaaaaccctc agtaaaatcaatccctaa
acccttaaaaaacggcggcctatccc
18.gttaattatttattccttacgggcaattaattatttattacggttttatttacaattttttttttt tgtcctatagagaaatta
cttacaaaacgttattttacatactt
19.gttacattatttattattatccgttatcgataattttttacctcttttttcgctgagtttttattc ttactttttttcttctt
tatataggatctcatttaatatcttaa
该0.gtatttaactctctttactttttttttcactctctacattttcatcttctaaaactgtttgattta aacttttgtttctttaa
ggattttttttacttatcctctgttat
该1.tttagctcagtccagctagctagtttacaatttcgacaccagtttcgcaccatcttaaatttcgat ccgtac
cgtaatttagcttagatttggatttaaaggatttagattga
该该.tttagtacagtagctcagtccaagaacgatgtttaccgtaacgtqacgtaccgtacgctaccgtta ccggat
tccggaaagccgattaaggaccgatcgaaaggg
该详.cgggcggatttaggccgacggggacccgggattcgggacccgaggaaattcccggattaaggttta gcttcc
cgggatttagggcccggatggctgggaccc该4.tttagctagctactttagctatttttagtagctagc cagcc
tttaaggctagctttagctagcattgttctttattgggacccaagttcgacttttacgatttagttttg accgt
该5.gaccaaaggtgggctttagggacccgatgctttagtcgcagctggaccagttccccagggtattag gcaaaa
gctgacgggcaattgcaatttaggcttaggcca
该6.gatttactttagcatttttagctgacgttagcaagcattagctttagccaatttcgcatttgccag tttcgc
agctcagttttaacgcgggatctttagcttcaagctttttac
该7.ggattcggatttacccggggattggcggaacgggacctttaggtcgggacccattaggagtaaatg ccaaag
gacgctggtttagccagtccgttaaggcttag
该8.tccttagatttcagttactatatttgacttacagtctttgagatttcccttacgattttgacttaa aattta
gacgttagggcttatcagttatggattaatttagcttattttcga
该9.ggccaattccggtaggaaggtgatggcccgggggttcccgggaggatttaggctgacgggccggcc atttcg
gtttagggagggccgggacgcgttagggc详0.cgctaagcagctcaagctcagtcagtcacgtttgcca agtcagt
aatttgccaaagttaaccgttagctgacgctgaacgctaaacagtattagctgatgactcgta
详1.ttaaggacttaggctttagcagttactttagtttagttccaagctacgtttacgggaccagatgct agctag
caatttattatccgtattaggcttaccgtaggtttagcgt详该.gctaccgggcagtctttaacgtagct accgtt
tagtttgggcccagccttgcggtgtttcggattaaattcgttgtcagtcgctctrtgggtttagtcatt cccaaaagg
详详.cagttagctgaatcgtttagccatttgacgtaaacatgattttacgtacgtaaattttagccctga cgtttag
ctaggaatttatgctgacgtagcgatcgactttagcac
详4.cggttagggcaaaggttggatttcgacccagggggaaagcccgggacccgaacccagggctttagc gtaggct
gacgctaggcttaggttggaacccggaaa
详5.gcggaagggcgtaggtttgggatgcttagccgtaggctagctttcgacacgatcgattcgcaccac aggataaa
agttaagggaccggtaagtcgcggtagcc
详6.ctagctacgaacgctttaggcgcccccgggagtagtcgttaccgttagtatagcagtcgcagtcgc aattcgc
aaaagtccccagctttagccccagagtcgacg
详7.gggatgctgacgctggttagctttaggcttagcgtagctttagggccccagtctgcaggaaatgcc caaagga
ggcccaccgggtagatgccasagtgcaccgt
详8.aacttttagggcatttccagttttacgggttattttcccagttaaactttgcaccattttacgtgt tacgat
ttacgtataatttgaccttattttggacactttagtttgggttac
详9.ttagggccaagtcccgaggcaaggaattctgatccaagtccaatcacgtacagtccaagtcaccgt ttgcag
ctaccgtttaccgtacgttgcaagtcaaatccat
https://www.doczj.com/doc/7d13513612.html,attagggtttatttacctgtttattttttcccgagaccttaggtttaccgtactttttaacggt ttacctt
tgaaatttttggactagcttaccctggatttaacggccagttt
DNA
” 20 1 2 3 41
4 Fisher 20 182
1 20 22, 23 25 27 29 34 35 36 37 A B
2 182 1 4 8 10 27 29 32 41 4
3 48 5
4 63 70 72
75 76 81 86 90 92 102 110 116 119 126 131 144 150 157
159 160 161 162 163 164 165 166 169 170 182 B
A
.
DNA 4 A T C G 详0 4 64 详 该0 A T DNA DNA DNA
DNA 1 该0 1里10 A 11-该0 B 该0 该1里40
该 18该 DNA ( ) 1
.
1 DNA 3
2 64
3 20
3 182 20
.
DNA A T C G4 DNA Bioinformaties
20 DNA
20 DNA 182
DNA
1.
2.
3
20 6里8
4 A,T,C,G DNA
DNA
2 3
i.1
1 20 A T C G 4
A T A T
A T (
)
1
A C T G A+T
1. 29.73 17.12 13.51 39.64 43.24
2. 27.03 16.22 15.32 41.44 42.34
3. 27.03 21.62 6.31 45.05 33.33
4. 42.34 10.81 28.83 18.02 71.17
5. 23.42 23.42 10.81 42.34 34.23
6. 35.14 12.61 12.61 39.64
47.75
7. 35.14 9.91 18.92 36.04 54.05
8. 27.93 16.22 18.92 36.94 46.85
9. 20.72 20.72 15.32 43.24 36.04
10. 18.18 27.27 13.64 40.91
31.82
11. 35.45 4.55 50.00 10.00 85.45
12. 32.73 2.73 50.00 14.55 82.73
13. 25.45 10.00 51.82 12.73 77.27
14. 30.00 8.18 50.00 11.82 80.00
15. 29.09 .00 64.55 6.36 93.64
16. 36.36 8.18 46.36 9.09 82.73
17. 35.45 24.55 26.36 13.64 61.82
18. 29.09 11.82 50.00 9.09 79.09
19. 21.82 14.55 56.36 7.27 78.18
20. 20.00 17.27 56.36 6.36 76.36
2 2
A T C G 4 16 2 2 20
2 attcg at,tt,tc,cg 4 2
( )
2
AA AC AT AG TA TC TG TT CA CT CC CG GA GT
GC GG
1. 9.01 9.01 3.60 8.11 4.50 .90 4.50 3.60 3.60 3.60 1.80
8.11 11.7 1 2.70 5.41 18.92
2. 9.91 7.21
3.60 5.41 2.70 1.80 5.41 5.41
4.50 1.80 .90
9.01 9.91 4.50 5.41 21.62
3. 5.41 11.71 3.60 5.41 2.70 1.80 .90 .90 5.41 .90 .90 1
4.41 13.51 .90 7.21 23.42
4. 18.92
5.41 11.71 5.41 10.81 1.80 5.41 10.81 5.41 1.80 .90 2.70
6.31 4.50 2.70 4.50
5. 6.31 8.11 1.80 7.21 1.80 2.70 2.70 3.60 5.41 4.50 2.70 10.81 9.91 .90 9.01 21.62
6. 15.32 2.70 6.31 9.91 3.60 1.80 1.80 5.41 4.50 .00 .00 8.11 10.81 .90 8.11 19.82
7. 15.32 1.80 10.81 7.21 4.50 2.70 6.31 5.41 .90 1.80 .90 6.31 13.51 .90 4.50 16.22
8. 8.11 3.60 6.31 9.91 5.41 3.60 2.70 7.21 2.70 3.60 1.80
8.11 10.81 1.80 7.2116.22
9. 9.01 .90 4.50 6.31 .00 3.60 7.21 4.50 3.60 2.70 2.70 11.71 7.21 3.60 13.5118.02
10. 6.36 3.64 1.82 6.36 1.82 5.45 2.73 3.64 5.45 3.64 4.55 13.64 4.55 3.64 13.64 18.18
11. 15.45 2.73 14.55 2.73 16.36 .91 1.82 30.00 .91 .91 .91 1.82 2.73 4.55 .00 2.73
12. 13.64 .91 10.91 6.36 15.45 1.82 1.82 30.91 .91 .91 .00 .91 2.73 7.27 .00 4.55
13. 6.36 4.55 10.00 4.55 12.73 1.82 2.73 34.55 2.73 2.73 1.82 1.8
2 3.64 4.55 1.82 2.73
14. 8.18 .91 12.73 7.27 13.64 6.36 1.82 28.18 2.73 4.55 .00 .91 5.45 4.55 .91 .91
15.13.64 .00 12.73 1.82 13.64 .00 2.73 48.18 .00 .00 .00 .00 1.82 3.64 .00 .91
16. 16.36 3.64 15.45 .9113.64 4.55 4.55 22.73 1.82 5.45 .00 .91 4.55 2.73 .00 1.82
17.17.27 5.45 10.91 1.82 10.00 6.36 4.55 5.45 4.55 7.27 9.09 2.73 3.64 2.73 3.64 3.64
18.8.18 7.27 11.82 1.82 15.45 1.82 .91 30.91 3.64 3.64 1.82 2.73 1.82 3.64 .91 2.73
19.2.73 2.73 13.64 1.82 14.55 9.09 .913 1.82 1.82 8.18 1.82 2.73 2.73 2.73 .91 .91
20. 6.36 6.36 6.36 .91 9.09 10.00 3.64 32.73 2.73 13.64 .91 .00 1.82 3.64 .00 .91
详 详
A T C G 4 64 3 64 3
20 [1] Figur2 20 1 3 1 3 20 3 acgtcc acg,cgt,gtc,tcc 4 3 3 ( )
Figure 2. Symmetries of the diamond code sort the 64 codons into 20 classes, indicated here by 20 colors. All the codons in each class specified the same amino acid.
1 Brian Hayes The Invention of the Genetic Code
DNA RNA, U T
3
b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11 b12 b13 b14 b15 b16 b17 b18 b19 b20
1 1.77 3.54 2.65 0.88 0.00 0.00 7.96 0.88 4.4
2 2.65 17.70 10.62 3.54 4.42 4.42 7.08 1.77 3.54 13.27 7.08
2 1.89 1.89 0.94 0.94 0.00 0.94 1.89 0.94 4.72 12.26 7.55 11.32 8.49 3.77 3.77 6.60 9.4
3 6.60 7.55 2.83
3 0.98 0.00 0.00 5.88 0.98 8.82 2.9
4 0.00 0.00 2.94 10.78 5.88 13.73 0.00 4.90 3.92 19.61 1.96 8.82 5.88
4 0.00 0.00 0.00 0.87 0.00 0.87 13.04 1.74 6.09 2.61 11.30 13.04 3.48 5.22 3.48 8.70 3.48 1.74 14.78 7.83
5 2.8
6 0.00 0.00 3.81 0.95 3.81 3.81 0.00 3.81 3.81 9.52 9.52 12.38 2.86 9.52 4.76 7.62 2.86 7.62 9.52
6 0.00 0.00 0.88 2.63 0.00 1.75 13.16 0.88 4.39 1.75 14.04 9.65 7.02 5.26 4.39 11.40 2.63 1.75 10.53 6.14
7 1.92 0.00 0.00 2.88 0.96 4.81 2.88 0.00 1.92 4.81 12.50 6.73 13.46 1.92 6.73 4.81 10.58 3.85 9.62 7.69
8 2.56 3.42 0.00 0.85 0.85 0.85 12.82 0.85 1.71 0.85 20.51 2.56 3.42 9.40 5.98 11.11 0.85 4.27 11.97 3.42
9 0.00 0.00 0.00 2.97 2.97 9.90 2.97 0.00 0.99 3.96 6.93 1.98 13.86 1.98 2.97 3.96 23.76 2.97 8.91 6.93
10 1.87 0.93 3.74 2.80 0.00 0.00 2.80 0.00 7.48 8.41 9.35 7.48 3.74 14.95 12.15 0.00 2.80 4.67 7.48 7.48
11 0.00 0.89 0.00 0.00 0.00 1.79 8.04 0.00 5.36 4.46 15.18 8.04 8.93 4.46 3.57 8.04 4.46 6.25 13.39 5.36
12 2.73 0.00 0.91 2.73 0.91 3.64 4.55 3.64 3.64 1.82 9.09
5.45 3.64 5.45
6.36
7.27
8.18 5.45 10.91
9.09
13 1.80 0.90 0.90 0.90 0.00 0.90 9.01 0.00 3.60 7.21 14.41
8.11 7.21 6.31 7.21 4.50 1.80 7.21 11.71 4.50
14 2.94 0.00 0.00 5.88 0.00 6.86 1.96 0.00 3.92 6.86 3.92
9.80 13.73 0.98 5.88 2.94 10.78 0.98 1 0.78 9.80
15 2.91 1.94 2.91 1.94 0.00 5.83 1.94 0.00 1.94 9.71 5.83
8.74 10.68 1.94 3.88 3.88 8.74 2.91 11.65 10.68
16 2.86 0.95 0.00 11.43 1.90 1.90 2.86 0.00 4.76 3.81 5.71
8.57 8.57 6.67 9.52 4.76 5.71 2.86 7.62 7.62
17 1.92 0.96 1.92 4.81 1.92 3.85 1.92 0.96 0.96 6.73 4.81
8.65 10.58 2.88 6.73 2.88 9.62 6.73 8.65 7.69
18 1.71 0.85 1.71 0.85 0.85 2.56 16.24 0.85 1.71 0.85 16.24
5.13
6.84 5.98 3.42 11.11 1.71 5.13 11.11 3.42
19 0.94 0.94 1.89 0.94 0.94 0.94 1.89 0.94 10.38 7.55 5.66
9.43 8.49 8.49 7.55 5.66 6.60 11.32 6.60 0.94
20 0.86 0.86 0.00 1.72 0.86 0.86 17.24 0.86 2.59 1.72 15.52
7.76 5.17 3.45 4.31 9.48 5.17 5.17 9.48 5.17
b1 =aaa+ata b2=aca+aga b3=cac+ctc b4=ccc+cgc
b5 =gag+gtg b6=gcg+ggg b7=tat+ttt b8=tct+tgt
b9 =aac+caa+atc+cta b10=aag+gaa+atg+gta
b11=aat+taa+att+tta b12=acc+cca+agc+cga
b13=acg+gac+ctg+gtc b14=act+tca+agt+tga
b15=cag+gac+ctt+ttc b16=cat+tac+ctt+ttc
b17=ccg+gcc+cgg+ggc b18=cct+tcc+cgt+tgc
b19=gat+tag+gtt+ttg b20=gct+tcg+ggt+tgg
41
( )
41
X Y
p X q Y q 1 X V λ1 λ2 λk 0 λk+1= =λP =0 2 λ1,λ2 λK r 1 r 2 r K i y i =r i X, i=1,2 K 3 i u i =λi / ∑ =k i 1λj , i=1,2 K m v m =∑=m i 1u i . 4 q V q V 0(V 0 0.8 5 1 ) W=(r 1,r 2, ,r q ) Y=XW 3 X X q V Y= y 1,y 2, y q x 1,x 2 x p 20 41 X 4 96% 4 W= r 1,r 2,r 3,r 4 Y=XW Y 4 ( ) Fisher U(x) U(x)={E 1[U(x)]-E 2[U(x)]}2/{D 1 [U(x)]+D 2[U(x)]}=max (1) Ei Di i i=1 2 1 U(x) U(x) (E 1(U(x))-E 2(U(x)))2 D 1[U(x)]+D 2[U(x)] U(x)=(X 1-X 2) ( 1+ 2)-1X (1) X i i i i U 0=U(干*X 1+(1-干)*X 2) 0<干<1 干=1/2 U(X 1)>U 0,U(X 2)U 0., X 1 U(X) 4 20 W= r 1,r 2,r 3 Y=XW Y 3 Fisher 20 1 W= r1,r2,r3,r4 Y=XW Y 4 X 20 41 2 Fisher . 20 20 4 4 20 A 1 A 2 2 2 3 25 27 29 3 4 3 5 3 6 37 2 A 22 2 3 25 27 29 3 4 3 5 3 6 37 3 A 22 23 25 27 29 3 4 3 5 3 6 37 4 A 23 2 5 27 29 34 35 3 6 37 5 A 22 23 25 27 29 34 35 3 6 37 6 A 22 23 25 2 7 29 34 35 36 37 7 A 22 23 25 27 29 34 35 36 37 8 A 22 23 25 27 29 34 35 36 37 9 A 22 23 25 27 29 34 35 36 37 10 A 22 23 25 27 29 34 35 36 37 11 B 22 23 25 27 29 34 35 36 37 12 B 22 23 25 27 29 34 35 36 37 13 B 22 23 25 27 29 34 35 36 37 14 B 22 23 25 27 29 34 35 36 37 15 B 22 23 25 27 29 34 35 36 37 39 16 B 22 23 25 27 29 34 35 36 37 17 B 22 23 25 27 29 34 35 36 37 30 39 18 B 22 23 25 27 29 34 35 36 37 19 B 22 23 25 27 29 34 35 36 37 20 B 22 23 25 27 29 34 35 37 4 1 100% 2 21~40 1 4 15 17 20 16 22 23 25 27 29 34 35 36 37 80% 2 4 15 20 1 15% 3 17 1 5% 95% 5% . 20 182 1 20 A 22 23 25 27 29 34 35 36 37 B 21 24 26 28 30 31 32 33 38 39 40 2 182 A 142 2 3 5 6 7 9 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 28 30 31 33 34 35 36 37 38 39 40 42 44 45 46 47 49 50 51 52 53 55 56 57 58 59 60 61 62 64 65 66 67 68 69 71 73 74 77 78 79 80 82 83 84 85 87 88 89 91 93 94 95 96 97 98 99 100 101 103 104 105 106 107 108 109 111 112 113 114 115 117 118 120 121 122 123 124 125 127 128 129 130 132 133 134 135 136 137 138 139 140 141 142 143 145 146 147 148 149 151 152 153 154 155 156 158 167 168 171 172 173 174 175 176 177 178 179 180 181 B 40 1 4 8 10 27 29 32 41 43 48 54 63 70 72 75 76 81 86 90 92 102 110 116 119 126 131 144 150 157 159 160 161 162 163 164 165 166 169 170 182 . 1 ` 2 4 3 4 DNA 1 2 3 DNA . DNA DNA DNA [1]The Invention of the Genetic Code Brain Hayes( ) American Scientist里Computing Science Jan.-Feb., 1998 [2] MATLAB 1997 [3] 1999 [4] 里里 1985 [5] William F. Lucas 1996 [6] 1999 [7] 1993 1 ] CHARACTER*121 LINE(40) integer a,c,t,g,at READ*,LINE DO 20 II=1,40 iii=ii+20 A=0 C=0 T=0 G=0 DO 10 I=1,121 IF(LINE(ii)(I:I).EQ.’a’)THEN A=A+1 else if(line(ii)(I:I).eq.’c’)then c=c+1 else if(line(ii)(I:I).eq.’t’)then t=t+1 else if(line(ii)(I:I).eq.’g’)then g=g+1 END IF 10continue at=a+t actg=a+c+t+g aa=a/actg*100. cc=c/actg*100. tt=t/actg*100. gg=g/actg*100. aatt=at/actg*100. open(5,file='t1.dat',status='old') write(5,1)aa,cc,tt,gg 1 format(1x,4f7.2) 20 CONTINUE END d=[ 27.43 19.47 36.28 16.81 63.72; 28.85 24.04 22.12 25.00 50.96; 17.65 25.49 18.63 38.24 36.27; 20.87 19.13 40.87 19.13 61.74; 24.76 22.86 21.90 30.48 46.67; 21.93 21.05 38.60 18.42 60.53; 23.08 20.19 23.08 33.65 46.15; 25.64 14.53 44.44 15.38 70.09; 14.85 21.78 18.81 44.55 33.66; 28.97 24.30 25.23 21.50 54.21; 24.11 17.86 35.71 22.32 59.82; 17.43 22.94 33.03 26.61 50.46; 27.03 18.92 33.33 20.72 60.36; 23.53 23.53 16.67 36.27 40.20; 24.27 21.36 20.39 33.98 44.66; 22.86 30.48 20.95 25.71 43.81; 21.36 25.24 20.39 33.01 41.75; 22.22 17.09 43.59 17.09 65.81; 27.36 28.30 23.58 20.75 50.94; 19.83 19.83 43.10 17.24 62.93]; dd=[ 5.31 4.42 7.96 8.85 9.73 6.19 1.77 18.58 6.19 4.42 4.42 4.42 6.19 4.42 4.42 1.77; 7.69 9.62 3.85 7.69 9.62 3.85 .96 6.73 2.88 1.92 7.69 11.54 7.69 8.65 2.88 4.81; 2.94 3.92 5.88 4.90 3.92 2.94 1.96 9.80 .00 1.96 12.75 9.80 10.78 .98 4.90 21.57; 1.74 4.35 3.48 11.30 13.04 1.74 2.61 22.61 2.61 9.57 4.35 2.61 3.48 4.35 8.70 2.61; 6.67 3.81 3.81 9.52 5.71 1.90 4.76 9.52 7.62 4.76 7.62 2.86 4.76 3.81 9.52 12.38; 3.51 3.51 5.26 9.65 7.89 4.39 1.75 24.56 7.89 6.14 1.75 4.39 2.63 2.63 11.40 1.75; 5.77 4.81 4.81 7.69 6.73 2.88 2.88 10.58 2.88 2.88 7.69 6.73 7.69 4.81 4.81 15.38; 3.42 5.13 9.40 6.84 11.97 5.13 3.42 23.93 2.56 6.84 2.56 2.56 7.69 3.42 1.71 2.56; 1.98 1.98 3.96 6.93 3.96 2.97 2.97 8.91 1.98 .99 8.91 8.91 6.93 4.95 7.92 24.75; 9.35 5.61 2.80 10.28 7.48 5.61 5.61 6.54 8.41 7.48 2.80 5.61 3.74 8.41 9.35 .00; 2.68 5.36 4.46 11.61 15.18 1.79 .89 16.96 3.57 6.25 3.57 4.46 2.68 7.14 7.14 5.36; 5.50 2.75 2.75 6.42 6.42 7.34 4.59 13.76 4.59 5.50 6.42 6.42 .92 10.09 6.42 8.26; 5.41 7.21 7.21 7.21 10.81 1.80 5.41 15.32 3.60 4.50 2.70 7.21 7.21 6.31 6.31 .90; 7.84 4.90 .98 8.82 4.90 .98 2.94 7.84 2.94 3.92 9.80 6.86 7.84 3.92 6.86 17.65; 5.83 4.85 3.88 9.71 7.77 3.88 1.94 6.80 3.88 2.91 3.88 9.71 6.80 6.80 8.74 11.65; 4.76 3.81 1.90 12.38 8.57 5.71 .00 6.67 5.71 3.81 10.48 10.48 3.81 8.57 9.52 2.86; 3.88 2.91 2.91 10.68 5.83 .97 6.80 5.83 5.83 5.83 9.71 3.88 4.85 5.83 11.65 10.68; 3.42 9.40 5.98 3.42 10.26 1.71 4.27 27.35 5.13 3.42 4.27 3.42 2.56 6.84 1.71 5.98; 8.49 5.66 4.72 8.49 4.72 8.49 2.83 6.60 11.32 1.89 9.43 5.66 2.83 9.43 4.72 3.77; 3.45 7.76 4.31 4.31 10.34 .86 3.45 27.59 1.72 6.03 8.62 3.45 4.31 5.17 1.72 6.03]; ddd=[ 1.77 3.54 2.65 .88 .00 .00 7.96 .88 4.42 2.65 17.70 10.62 3.54 4.42 4.42 7.08 1.77 3.54 13.27 7.08; 1.92 1.92 .96 .96 .00 .96 1.92 .96 4.81 1 2.50 7.69 11.54 8.65 3.85 3.85 6.73 9.62 6.73 7.69 2.88; .98 .00 .00 5.88 .98 8.82 2.94 .00 .00 2.94 10.78 5.88 1 3.73 .00 4.90 3.92 19.61 1.96 8.82 5.88; .00 .00 .00 .87 .00 .87 13.04 1.74 6.09 2.61 11.30 13.04 3.48 5.22 3.48 8.70 3.48 1.74 14.78 7.83; 2.86 .00 .00 3.81 .95 3.81 3.81 .00 3.81 3.81 9.52 9.52 12.38 2.86 9.52 3.81 7.62 2.86 7.62 9.52; .00 .00 .88 2.63 .00 1.75 13.16 .88 4.39 1.75 14.04 9.65 7.02 5.26 4.39 11.40 2.63 1.75 10.53 6.14; 1.92 .00 .00 2.88 .96 4.81 2.88 .00 1.92 4.81 12.50 6.73 1 3.46 1.92 6.73 4.81 10.58 3.85 9.62 7.69; 2.56 3.42 .00 .85 .85 .85 12.82 .85 1.71 .85 20.51 2.56 3.42 9.40 5.98 11.11 .85 4.27 11.97 3.42; .00 .00 .00 2.97 2.97 9.90 2.97 .00 .99 3.96 6.93 1.98 13.86 1.98 2.97 3.96 23.76 2.97 8.91 6.93; 1.87 .93 3.74 2.80 .00 .00 2.80 .00 7.48 8.41 9.35 7.48 3.74 1 4.95 12.15 .00 2.80 4.67 7.48 7.48; .00 .89 .00 .00 .00 1.79 8.04 .00 5.36 4.46 15.18 8.04 8.93 4.46 3.57 8.04 4.46 6.25 13.39 5.36; 2.75 .00 .92 2.75 .92 3.67 4.59 3.67 3.67 1.83 9.17 5.50 3.67 5.50 6.42 7.34 8.26 5.50 11.01 9.17; 1.80 .90 .90 .90 .00 .90 9.01 .00 3.60 7.21 14.41 8.11 7.21 6.31 7.21 4.50 1.80 7.21 11.71 4.50; 2.94 .00 .00 5.88 .00 6.86 1.96 .00 3.92 6.86 3.92 9.80 13.73 .98 5.88 2.94 10.78 .98 10.78 9.80; 2.91 1.94 2.91 1.94 .00 5.83 1.94 .00 1.94 9.71 5.83 8.74 10.68 1.94 3.88 3.88 8.74 2.91 11.65 10.68; 2.86 .95 .00 11.43 1.90 1.90 2.86 .00 4.76 3.81 5.71 8.57 8.57 6.67 9.52 4.76 5.71 2.86 7.62 7.62; 1.94 .97 1.94 4.85 1.94 3.88 1.94 .97 .97 6.80 4.85 8.74 10.68 2.91 6.80 2.91 9.71 6.80 8.74 7.77; 2000年全国大学生数学建模竞赛A题DNA序列分类 2000年6月，人类基因组计划中DNA全序列草图完成，预计2001年可以完成精确的全序列图，此后人类将拥有一本记录着自身生老病死及遗传进化的全部信息的“天书”。这本大自然写成的“天书”是由4个字符A，T，C，G按一定顺序排成的长约30亿的序列，其中没有“断句”也没有标点符号，除了这4个字符表示4种碱基以外，人们对它包含的“内容”知之甚少，难以读懂。破译这部世界上最巨量信息的“天书”是二十一世纪最重要的任务之一。在这个目标中，研究DNA全序列具有什么结构，由这4个字符排成的看似随机的序列中隐藏着什么规律，又是解读这部天书的基础，是生物信息学（Bioinformatics）最重要的课题之一。 虽然人类对这部“天书”知之甚少，但也发现了DNA序列中的一些规律性和结构。例如，在全序列中有一些是用于编码蛋白质的序列片段，即由这4个字符组成的64种不同的3 字符串，其中大多数用于编码构成蛋白质的20种氨基酸。又例如，在不用于编码蛋白质的序列片段中，A和T的含量特别多些，于是以某些碱基特别丰富作为特征去研究DNA序列的结构也取得了一些结果。此外，利用统计的方法还发现序列的某些片段之间具有相关性，等等。这些发现让人们相信，DNA序列中存在着局部的和全局性的结构，充分发掘序列的结构对理解DNA全序列是十分有意义的。目前在这项研究中最普通的思想是省略序列的某些细节，突出特征，然后将其表示成适当的数学对象。这种被称为粗粒化和模型化的方法往往有助于研究规律性和结构。 作为研究DNA序列的结构的尝试，提出以下对序列集合进行分类的问题： 1）下面有20个已知类别的人工制造的序列（见下页），其中序列标号1—10 为A类，1 1-20为B类。请从中提取特征，构造分类方法，并用这些已知类别的序列，衡量你的方法是否足够好。然后用你认为满意的方法，对另外20个未标明类别的人工序列（标号21—4 0）进行分类，把结果用序号（按从小到大的顺序）标明它们的类别（无法分类的不写入）： A类__________ ；B类_______________ 。 请详细描述你的方法，给出计算程序。如果你部分地使用了现成的分类方法，也要将方法名称准确注明。 这40个序列也放在如下地址的网页上，用数据文件Art-model-data 标识，供下载： 网易网址：https://www.doczj.com/doc/7d13513612.html, 教育频道在线试题； 教育网： https://www.doczj.com/doc/7d13513612.html, New mcm2000 教育网： https://www.doczj.com/doc/7d13513612.html,/mcm 2）在同样网址的数据文件Nat-model-data 中给出了182个自然DNA序列，它们都较长。用你的分类方法对它们进行分类，像1）一样地给出分类结果。 提示：衡量分类方法优劣的标准是分类的正确率，构造分类方法有许多途径，例如提取序列 DNA序列分类模型DNA序列分类模型 毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期： 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日 收稿日期:2002203210 作者简介:刘志(1965— )男,山东东平人,空军工程大学工程师文章编号:100123857(2002)Sup.20114203 D NA 序列的一种分类方法 刘 志 (空军工程大学导弹学院,陕西西安713800) 摘 要:基于小波变换和相关技术,提出了一种DNA 序列的分类方法.首先将DNA 序列转换成数字序列,然后对此序列进行Matlab 快速分解,计算未知类别序列与已知类别序列的相关系数,由此判定序列的类别.结果表明,该方法是切实可行的. 关键词:DNA 序列;相关技术;小波变换 中图分类号:O357 文献标识码:A 2000年6月,人类基因组计划中DNA 全部草图完成,预计2002年可以完成精确的全序列图,此后人类将拥有一本记录着自己生老病死及遗传进化的全部信息的“天书”.这本大自然写成的“天书”是由4个字符A ,T ,C ,G 按一定的顺序排成的长约30亿的序列,其中没有“断句”也没有“标点符号”,除了这4个字符表示4种碱基以外,人们对它包含的“内容”知之甚少,难以读懂.破译这部世界上最巨量信息的天书是21世纪最重要的任务之一.虽然人类对这部天书知之甚少,但也发现了DNA 序列中的一些规律和结构.例如,在全序列中有一些是用于,即由这4个字符组成的64种不同的3字符串,其中大多数用于编码构成蛋白质的20种氨基酸.此外,利用统计的方法还发现序列的某些片段之间具有相关性,等等.本文利用小波变换和相关技术,提出了一种DNA 序列的分类方法. 1 Matlab 快速算法 信号的小波分析相当于对信号加上一个可调的时—频窗.Matlab 根据多分辨分析的观点,利用共轭正交镜像滤波器,给出了离散小波变换的金字塔算法,使信号快速分解和重构得以实现.在Matlab 算法基础上,进一步对高频信号进行分解,将信号分解到不同的频带上,滤波时根据需要,选取所需频带内的信号进行重构,就可以完成信号的多通带滤波.小波变换不改变信号所引起的小波变换系数的极值点的位置,而噪声所引起的小波变换系数的极值点主要表现在第一、二尺度上,且随着尺度增大,小波系数的极值点越来越少.由第三级小波变换系数重构的信号的自相关函数的极大值的位置和原函数的自相关函数的极大值的位置完全相同,这是本文所提方案的依据.由第三级小波变换系数重构的信号的自相关函数图形比较光滑,而且,没有影响自相关函数的极大值的位置.此结论对信号检测非常有用. 根据多分辨分析理论,在二进正交小波基下,Matlab 快速算法[1]为 A k j f =∑n ∈Z h (n -2k )A n j -1f , j =1,2,…,J .第30卷 专 辑 陕西师范大学学报(自然科学版)Vol.30 Sup. 2002年5月Journal of Shaanxi Normal University (Natural Science Edition )May.2002 基因识别问题及其算法实现 一、背景介绍 DNA 是生物遗传信息的载体，其化学名称为脱氧核糖核酸（Deoxyribonucleic acid ，缩写为DNA ）。DNA 分子是一种长链聚合物，DNA 序列由腺嘌呤（Adenine, A ），鸟嘌呤（Guanine, G ），胞嘧啶（Cytosine, C ），胸腺嘧啶（Thymine, T ）这四种核苷酸（nucleotide ）符号按一定的顺序连接而成。其中带有遗传讯息的DNA 片段称为基因（Gene ）（见图1第一行）。其他的DNA 序列片段，有些直接以自身构造发挥作用，有些则参与调控遗传讯息的表现。 在真核生物的DNA 序列中，基因通常被划分为许多间隔的片段（见图1第二行），其中编码蛋白质的部分，即编码序列（Coding Sequence ）片段，称为外显子（Exon ），不编码的部分称为内含子（Intron ）。外显子在DNA 序列剪接（Splicing ）后仍然会被保存下来，并可在 图1真核生物DNA 序列（基因序列）结构示意图 蛋白质合成过程中被转录（transcription ）、复制（replication ）而合成为蛋白质（见图2）。DNA 序列通过遗传编码来储存信息，指导蛋白质的合成，把遗传信息准确无误地传递到蛋白质（protein ）上去并实现各种生命功能。 DNA 序列 外显子(Exon ) 内含子(Intron) DNA序列 剪接、转录、复制 蛋白质序列 图2蛋白质结构示意图 对大量、复杂的基因序列的分析，传统生物学解决问题的方式是基于分子实验的方法，其代价高昂。诺贝尔奖获得者W.吉尔伯特（Walter Gilbert，1932—；【美】，第一个制备出混合脱氧核糖核酸的科学家）1991年曾经指出：“现在，基于全部基因序列都将知晓，并以电子可操作的方式驻留在数据库中，新的生物学研究模式的出发点应是理论的。一个科学家将从理论推测出发，然后再回到实验中去，追踪或验证这些理论假设。” 随着世界人类基因组工程计划的顺利完成，通过物理或数学的方法从大量的DNA序列中获取丰富的生物信息，对生物学、医学、药学等诸多方面都具有重要的理论意义和实际价值，也是目前生物信息学领域的一个研究热点。 二、数字序列映射与频谱3-周期性： 对给定的DNA序列，怎么去识别出其中的编码序列（即外显子），也称为基因预测，是一个尚未完全解决的问题，也是当前生物信息学的一个最基础、最首要的问题。 基因预测问题的一类方法是基于统计学的[1]。很多国际生物数据网站上也有“基因识别”的算法。比如知名的数据网站https://www.doczj.com/doc/7d13513612.html,/GENSCAN.html提供的基因识别软件GENSCAN（由斯坦福大学研究人员研发的、可免费使用的基因预测软件）,主要就是基于隐马尔科夫链（HMM）方法。但是，它预测人的基因组中有45000个基因，相当于现在普遍认可数目的两倍。另外，统计预测方法通常需要将编码序列信息已知的DNA序列作为训练数据 数理学院专业实践报告题目： 专业 学生姓名 班级学号 指导教师(签字) 指导教师职称 实习单位 负责人签字 日期 1．2000 年6月，人类基因组计划中DNA 全序列草图完成，预计2001 年可以完成精确的全序列图，此后人类将拥有一本记录着自身生老病死及遗传进化的全部信息的“天书”。这本大自然写成的“天书”是由4 个字符A，T，C，G 按一定顺序排成的长约30 亿的序列，其中没有“断句”也没有标点符号，除了这4 个字符表示4 种碱基以外，人们对它包含的“内容”知之甚少，难以读懂。破译这部世界上最巨量信息的“天书”是二十一世纪最重要的任务之一。在这个目标中，研究DNA 全序列具有什么结构，由这4 个字符排成的看似随机的序列中隐藏着什么规律，又是解读这部天书的基础，是生物信息学（Bioinformatics）最重要的课题之一。虽然人类对这部“天书”知之甚少，但也发现了DNA 序列中的一些规律性和结构。例如，在全序列中有一些是用于编码蛋白质的序列片段，即由这4 个字符组成的64 种不同的3 字符串，其中大多数用于编码构成蛋白质的20 种氨基酸。又例如，在不用于编码蛋白质的序列片段中，A 和T 的含量特别多些，于是以某些碱基特别丰富作为特征去研究DNA 序列的结构也取得了 一些结果。此外，利用统计的方法还发现序列的某些片段之间具有相关性，等等。这些发现让人们相信，DNA 序列中存在着局部的和全局性的结构，充分发掘序列的结构对理解DNA 全序列是十分有意义的。目前在这项研究中最普通的思想是省略序列的某些细节，突出特征，然后将其表示成适当的数学对象。这种被称为粗粒化和模型化的方法往往有助于研究规律性和结构。作为研究 DNA 序列的结构的尝试，提出以下对序列集合进行分类的问题： DNA序列分类模型 陈荣生张海军张旭东指导教师：数模组 海军航空工程学院 摘要本文讨论了在给定A类和B类各10个DNA序列的情况下，如何找出判断DNA 序列类型的方法，并具体分析了DNA序列的局部特征，最后将总体特征与局部特征综合考虑。 文中我们先根据给出的已知类型的20组DNA序列，考虑了四个碱基及其组合形式出现的频率，以此为研究对象进行深入研究，并建立了两个数学模型，即信息熵模型和Z曲线模型，最后还给出了模型的改进方向。 本文采取的用Z曲线来研究DNA序列的方法很有意义。 一、问题的重述 2000年6月，人类基因组计划中DNA全序列草图完成，预计2001年可以完成精确的全序列图，DNA全序列是由4个字符A，T，C，G按一定顺序排成的长约30亿的序列，其中没有“断句”也没有标点符号。人们发现了DNA序列中的一些规律性和结构。例如，在全序列中有一些是用于编码蛋白质的序列片段，即由这4个字符组成的64种不同的3字符串，其中大多数用于编码构成蛋白质的20种氨基酸。又例如，在不用于编码蛋白质的序列片段中，A 和T的含量特别多些，于是以某些碱基特别丰富作为特征去研究DNA序列的结构也取得了一些结果。此外，利用统计的方法还发现序列的某些片段之间具有相关性，等等。这些发现让人们相信，DNA序列中存在着局部的和全局性的结构，充分发掘序列的结构对理解DNA全序列是十分有意义的。目前在这项研究中最普通的思想是省略序列的某些细节，突出特征，然后将其表示成适当的数学对象。这种被称为粗粒化和模型化的方法往往有助于研究规律性和结构。 作为研究DNA序列的结构的尝试，提出以下对序列集合进行分类的问题： 1）下面有20个已知类别的人工制造的序列，其中序列标号1—10 为A类，11-20为B 类。请从中提取特征，构造分类方法，并用这些已知类别的序列，衡量你的方法是否足够好。然后用你认为满意的方法，对另外20个未标明类别的人工序列（标号21—40）进行分类，把结果用序号（按从小到大的顺序）标明它们的类别（无法分类的不写入）： A类； B类。 请详细描述你的方法，给出计算程序。如果你部分地使用了现成的分类方法，也要将方法名称准确注明。 2），用你的分类方法对182个自然DNA序列进行分类，像1）一样地给出分类结果。二、问题的分析 为了找出分类方法，我们可以省略细节，突出特征，以某 种碱基出现的频率或以两种甚至三种碱基的组合出现的频率， 或者以几种碱基出现的频率之和为依据来考虑。现分别就A、 B两组DNA序列针对以下20个方面做一些简单分析： 1)A出现的频率； 2)C出现的频率； 3)G出现的频率； 4)T出现的频率； DNA序列分类 2000年6月，人类基因组计划中DNA全序列草图完成，预计2001年可以完成精确的全序列图，此后人类将拥有一本记录着自身生老病死及遗传进化的全部信息的“天书”。这本大自然写成的“天书”是由4个字符A，T，C，G按一定顺序排成的长约30亿的序列，其中没有“断句”也没有标点符号，除了这4个字符表示4种碱基以外，人们对它包含的“内容”知之甚少，难以读懂。破译这部世界上最巨量信息的“天书”是二十一世纪最重要的任务之一。在这个目标中，研究DNA全序列具有什么结构，由这4个字符排成的看似随机的序列中隐藏着什么规律，又是解读这部天书的基础，是生物信息学（Bioinformatics）最重要的课题之一。 虽然人类对这部“天书”知之甚少，但也发现了DNA序列中的一些规律性和结构。例如，在全序列中有一些是用于编码蛋白质的序列片段，即由这4个字符组成的64种不同的3字符串，其中大多数用于编码构成蛋白质的20种氨基酸。又例如，在不用于编码蛋白质的序列片段中，A和T的含量特别多些，于是以某些碱基特别丰富作为特征去研究DNA序列的结构也取得了一些结果。此外，利用统计的方法还发现序列的某些片段之间具有相关性，等等。这些发现让人们相信，DNA序列中存在着局部的和全局性的结构，充分发掘序列的结构对理解DNA全序列是十分有意义的。目前在这项研究中最普通的思想是省略序列的某些细节，突出特征，然后将其表示成适当的数学对象。这种被称为粗粒化和模型化的方法往往有助于研究规律性和结构。 作为研究DNA序列的结构的尝试，提出以下对序列集合进行分类的问题： 1）下面有20个已知类别的人工制造的序列（见下页），其中序列标号1—10 为A类，11-20为B类。请从中提取特征，构造分类方法，并用这些已知类别的序列，衡量你的方法是否足够好。然后用你认为满意的方法，对另外20个未标明类别的人工序列（标号21—40）进行分类，把结果用序号（按从小到大的顺序）标明它们的类别（无法分类的不写入）：A类；B类。 请详细描述你的方法，给出计算程序。如果你部分地使用了现成的分类方法，也要将方法名称准确注明。 2）在同样网址的数据文件Nat-model-data 中给出了182个自然DNA序列，它们都较长。用你的分类方法对它们进行分类，像1）一样地给出分类结果。 提示：衡量分类方法优劣的标准是分类的正确率，构造分类方法有许多途径，例如提取序列的某些特征，给出它们的数学表示：几何空间或向量空间的元素等，然后再选择或构造适合这种数学表示的分类方法；又例如构造概率统计模型，然后用统计方法分类等。 Art-model-data 1.aggcacggaaaaacgggaataacggaggaggacttggcacggcattacacggaggacgaggtaaaggaggcttgtctacggc cggaagtgaagggggatatgaccgcttgg 2.cggaggacaaacgggatggcggtattggaggtggcggactgttcggggaattattcggtttaaacgggacaaggaaggcggctg gaacaaccggacggtggcagcaaagga 3.gggacggatacggattctggccacggacggaaaggaggacacggcggacatacacggcggcaacggacggaacggaggaa ggagggcggcaatcggtacggaggcggcgga 4.atggataacggaaacaaaccagacaaacttcggtagaaatacagaagcttagatgcatatgttttttaaataaaatttgtattattatggt atcataaaaaaaggttgcga 5.cggctggcggacaacggactggcggattccaaaaacggaggaggcggacggaggctacaccaccgtttcggcggaaaggcg gagggctggcaggaggctcattacggggag 6.atggaaaattttcggaaaggcggcaggcaggaggcaaaggcggaaaggaaggaaacggcggatatttcggaagtggatattag gagggcggaataaaggaacggcggcaca 历年全国数学建模试题及解法归纳 赛题解法 93A非线性交调的频率设计拟合、规划 93B足球队排名图论、层次分析、整数规划94A逢山开路图论、插值、动态规划 94B锁具装箱问题图论、组合数学 95A飞行管理问题非线性规划、线性规划 95B天车与冶炼炉的作业调度动态规划、排队论、图论96A最优捕鱼策略微分方程、优化 96B节水洗衣机非线性规划 97A零件的参数设计非线性规划 97B截断切割的最优排列随机模拟、图论 98A一类投资组合问题多目标优化、非线性规划98B灾情巡视的最佳路线图论、组合优化 99A自动化车床管理随机优化、计算机模拟 99B钻井布局0-1规划、图论 00A DNA序列分类模式识别、Fisher判别、人工 神经网络 00B钢管订购和运输组合优化、运输问题 01A血管三维重建曲线拟合、曲面重建 赛题解法 01B 公交车调度问题多目标规划 02A车灯线光源的优化非线性规划 02B彩票问题单目标决策 03A SARS的传播微分方程、差分方程 03B 露天矿生产的车辆安排整数规划、运输问题 04A奥运会临时超市网点设计统计分析、数据处理、优化04B电力市场的输电阻塞管理数据拟合、优化 05A长江水质的评价和预测预测评价、数据处理 05B DVD在线租赁随机规划、整数规划 06A出版社书号问题整数规划、数据处理、优化06B Hiv病毒问题线性规划、回归分析 07A 人口问题微分方程、数据处理、优化07B 公交车问题多目标规划、动态规划、图 论、0-1规划 08A 照相机问题非线性方程组、优化 08B 大学学费问题数据收集和处理、统计分 析、回归分析 2009年A题制动器试验台的控制方法分析工程控制 2009年B题眼科病床的合理安排排队论，优化，仿真，综 合评价 2009年C题卫星监控几何问题，搜集数据 ＤＮＡ序列的分类与判别分析 摘要: 本文对DNA 序列分类问题进行了讨论.。从“不同序列中碱基含量不同”入手,建立了欧氏距离判别模型、马氏距离判别模型以及Fisher准则判定模型。接着,本文对三种分类算法进行了对比, 对算法的稳定性进行了讨论。 关键词:DNA分类;欧氏距离;马氏距离;Fisher判别; DNA sequence classification and discriminant analysis MA Fuyu School of Management and Economics, China University of Geosciences, P.R.China, 430074 Abstract: In this paper, the classification of DNA sequences are discussed. From the “content of different base sequence in a different” approach, the establishment of a discriminant model of Euclidean distance, Mahalanobis distance, as well as Fisher discriminant model to determine the model guidelines. Then, this paper three classification algorithms were compared, the stability of the algorithm are discussed. Keywords: DNA taxonomy; Euclidean distance; Mahalanobis distance; Fisher Discriminant 1、问题的重述 2000年6月,人类基因组计划中DNA全序列草图完成,预计2001年可以完成精确的全序列图,此后人类将拥有一本记录着自身生老病死及遗传进化的全部信息的“天书”。这本大自然写成的“天书”是由4个字符A,T,C,G按一定顺序排成的长约30亿的序列,其中没有“断句”也没有标点符号,除了这4个字符表示4种碱基以外,人们对它包含的“内容”知之甚少,难以读懂。破译这部世界上最巨量信息的“天书”是二十一世纪最重要的任务之一。在这个目标中,研究DNA全序列具有什么结构,由这4个字符排成的看似随机的序列中隐藏着什么规律,又是解读这部天书的基础,是生物信息学(Bioinformatics)最重要的课题之一。 虽然人类对这部“天书”知之甚少,但也发现了DNA序列中的一些规律性和结构。例如,在全序列中有一些是用于编码蛋白质的序列片段,即由这4个字符组成的64种不同的3字符串,其中大多数用于编码构成蛋白质的20种氨基酸。又例如,在不用于编码蛋白质的序列片段中,A和T的含量特别多些,于是以某些碱基特别丰富作为特征去研究DNA序列的结构也取得了一些结果。此外,利用统计的方法还发现序列的某些片段之间具有相关性,等等。这些发现让人们相信,DNA序列中存在着局部的和全局性的结构,充分发掘序列的结构对理解DNA全序列是十分有意义的。目前在这项研究中最普通的思想是省略序列的某些细节,突出特征,然后将其表示成适当的数学对象。这种被称为粗粒化和模型化的方法往往有助于 DNA序列分类 实验目的 学习利用MATLAB提取DNA序列特征建立向量的方法，掌握利用FCM命令进行DNA 分类的方法，学会做出分类图形直接给出分类结果的MATLAB编程。 知识扩展 DNA序列分类 DNA(Deoxyribonucleic acid)，中文译名为脱氧核苷酸，是染色体的主要化学成分，同时也是基因组成的，有时被称为“遗传微粒”。DNA是一种分子，可组成遗传指令，以引导生物发育与生命机能运作。主要功能是长期性的资讯储存，可比喻为“蓝图”或“食谱”。DNA分子是由两条核苷酸链以互补配对原则所构成的双螺旋结构的分子化合物。其中两条DNA链中对应的碱基A-T以双键形式连接，C-G以三键形式连接，糖-磷酸-糖形成的主链在螺旋外侧，配对碱基在螺旋内侧。 FCM算法中样本点隶属于某一类的程度是用隶属度来反映的，不同的样本点以不同的隶属度属于每一类；但是算法中的概率约束∑uij=1使得样本的典型性反映 不出来，不适用于有噪音，样本分布不均衡，存在两个或者两个以上样本分别距两个类的距离相等的样本等等。 欧氏距离（ Euclidean distance）也称欧几里得距离，它是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。 公式 在二维和三维空间中的欧式距离的就是两点之间的距离，二维的公式是 d = sqrt((x1-x2)^+(y1-y2)^) 三维的公式是 d=sqrt(x1-x2)^+(y1-y2)^+(z1-z2)^) 推广到n维空间，欧式距离的公式是 d=sqrt( ∑(xi1-xi2)^ ) 这里i=1,2..n xi1表示第一个点的第i维坐标,xi2表示第二个点的第i维坐标 n维欧氏空间是一个点集,它的每个点可以表示为(x(1),x(2),...x(n)),其中x(i)(i=1,2...n)是实数,称为x的第i个坐标,两个点x和y=(y(1),y(2)...y(n))之间的距离d(x,y)定义为上面的公式. 欧氏距离判别准则如下： 若dA 题目 DNA 序列 摘要 本文主要研究DNA 序列的结构问题，通过建立相应的数学模型，对DNA 序列中所隐藏的规律进行研究和分析，给出了解决问题的最优方案，并且对模型进行了评价和推广。 对于问题一，为了挖掘DNA 序列的特征将其分为A 类和B 类，以20种基本氨基酸为目标，利用Matlab 软件编程得出每一行每一种氨基酸出现的概率；再运用主成分分析法进行降维，利用SPSS 软件进行数据处理得到矩阵；然后再将模糊聚类问题转化为如下优化问题： 211 1 min (,)(()) ..1(1,2, 6) 01 n c q ik ik k i c ik i ik J U V u d s t u k u ======≤≤∑∑∑ 用模糊聚类分析方法来获取样本与聚类中心的加权距离最小的最佳分类，使其分 题一相同的方法进行分类，分类结果见问题二的求解。 总的来说，本模型在未知数据特征的情况下很好的将数据进行分类，成功地解决了此次数学建模的DNA 序列问题，是聚类分析问题的一个有效而且具有较强实用性的方法。 关键词：主成分分析 模糊聚类分析 Matlab 软件 Spss 软件 一、问题重述 1.1背景分析 随着DNA测序时代的到来，越来越多生物的全基因组序列正逐渐展现于人们的眼前。如何从中挖掘有用的信息成为对当今生物学乃至整个科学领域的一个挑战。本文主要致力于对DNA序列结构以及序列中所隐藏规律的研究。 1.2问题重述 2000年6月，人类基因组计划中DNA全序列草图完成，预计2001年可以完成精确的全序列图，此后人类将拥有一本记录着自身生老病死及遗传进化的全部信息的“天书”。这本大自然写成的“天书”是由4个字符A，T，C，G按一定顺序排成的长约30亿的序列，其中没有“断句”也没有标点符号，除了这4个字符表示4种碱基以外，人们对它包含的“内容”知之甚少，难以读懂。破译这部世界上最巨量信息的“天书”是二十一世纪最重要的任务之一。在这个目标中，研究DNA全序列具有什么结构，由这4个字符排成的看似随机的序列中隐藏着什么规律，又是解读这部天书的基础，是生物信息学（Bioinformatics）最重要的课题之一。 虽然人类对这部“天书”知之甚少，但也发现了DNA序列中的一些规律性和结构。例如，在全序列中有一些是用于编码蛋白质的序列片段，即由这4个字符组成的64种不同的3字符串，其中大多数用于编码构成蛋白质的20种氨基酸。又例如，在不用于编码蛋白质的序列片段中，A和T的含量特别多些，于是以某些碱基特别丰富作为特征去研究DNA序列的结构也取得了一些结果。此外，利用统计的方法还发现序列的某些片段之间具有相关性，等等。这些发现让人们相信，DNA序列中存在着局部的和全局性的结构，充分发掘序列的结构对理解DNA全序列是十分有意义的。目前在这项研究中最普通的思想是省略序列的某些细节，突出特征，然后将其表示成适当的数学对象。这种被称为粗粒化和模型化的方法往往有助于研究规律性和结构。 作为研究DNA序列的结构的尝试，提出以下对序列集合进行分类的问题：问题一：下面有20个已知类别的人工制造的序列（见附录），其中序列标号1—10 为A类，11-20为B类。请从中提取特征，构造分类方法，并用这些已知类别的序列，衡量你的方法是否足够好。然后用你认为满意的方法，对另外20个未标明类别的人工序列（标号21—40）进行分类，把结果用序号（按从小到大的顺序）标明它们的类别（无法分类的不写入）： A类； B类。 请详细描述你的方法，给出计算程序。如果你部分地使用了现成的分类方法，也要将方法名称准确注明。 第31卷第1期2001年1月 数学的实践与认识 M A TH EM A T I CS I N PRA CT I CE AND TH EO R Y V o l131 N o11 Jan.2001 D NA序列的分类模型 汤诗杰, 周 亮, 王晓玲 指导老师: 孙广中 (中国科技大学,合肥 230026) 编者按: 本文提出了DNA序列分类的三种模型,其一,基于A、G、T、C四种碱基出现的频率;其二利用了 同一碱基在序列中的间隔,这一信息是单纯考虑频率所不能包含的;在第三种模型中,作者把DNA序列视 为一个信息流,考虑每增加一个字符所带来的信息增量.尽管文中信息量的定义方式仍可讨论,但本文思想新颖活跃,有其独特之处.本文最后的分类方法,是以上三种的综合使用. 摘要: 本文针对DNA序列分类这个实际问题,提出了相应的数学模型.为了很好的体现DNA序列的局 部性和全局性的特征,我们给出了衡量分类方法优劣的标准,即在满足一定限制条件的情况下,是否能充分反映序列的各方面特性. 依据我们提出的判别标准,单一标准的分类是无法满足要求的.我们的方法是侧重点不同的三种方法的综合集成.这三种方法分别体现了序列中元素出现的概率,序列中元素出现的周期性,序列所带有的信息含量.利用这个方法,完成了对未知类型的人工序列及自然序列的分类工作.最后,对分类模型的优缺点进行了分析,并就模型的推广作了讨论. 1 问题的提出(略) 2 问题的分析 这是一个比较典型的分类问题,为了表述的严格和方便,我们用数学的方法来重述这个问题.已知字母序列S1,S2,S3……S40,S i=x1x2x3…x n i,其中x j∈{a,t,c,g};有字符序列集合A,B,满足A∩B=<,并当1ΦiΦ10时,S i∈A;当11ΦiΦ20时,S i∈B.现要求考虑当21ΦiΦ40时,S i与集合A及集合B的关系. 在这里,问题的关键就是要从已知的分好类的20个字母序列中提取用于分类的特征.知道了这些特征,我们就可以比较容易的对那些未标明类型的序列进行分类.下面我们将首先对用于分类的标准问题进行必要的讨论. 3 分类的标准及评价 首先,我们提取的特征应该满足以下两个条件: (1)所取特征必须可以标志A组和B组.也就是说,我们利用这些特征应该可以很好的区分已经标示分类的20个序列.这是比较显然的一个理由. (2)所取特征必须是有一定的实际意义的.这一点是决不能被忽视的.比如,如果不考虑模型的实际意义,我们就可以以序列的开头字母为分类标准:已知在B类中的十个序列都是以g t开始的,而已知在A类中10个序列没有以g t开始的,甚至以g开始的都没有.显然这是满足上面的第一个条件的.如果仅因此就认为这种特征是主要的,并简单的利用这个特征将所有待分类的序列分成两类,显然是不甚合理的. 2015年芜湖三校数学建模竞赛 题目 DNA序列问题模型 摘要 DNA 序列是由A，T，G，C 四个表示4 种碱基的字符组成的序列。本文研究DNA 序列的结构找出序列间的差异和对八个物种的DNA序列进行分类。 对于问题一首先对数据运用数理统计方法对数据进行计算，得到八个物种的DNA序列的碱基的丰度、碱基的重复出现情况、碱基之间的相邻情况、不同碱 基的丰度之比的四个特征，通过对这四个特征作出相应的散点图比较得出八个物种的DNA序列间的差异：Human 、Opossum、 Lemur 、Rat等4种DNA序列的长度相同，其他四种DNA序列的长度各不相同，每种DNA序列四种碱基的的 重复情况也各不相同；G碱基的丰度相对于本序列的其他碱基的丰度都要高，碱基A的丰度在各个序列中丰度差不多，其他三种碱基在序列中波动性较大，差异性较大；8种DNA序列中GG、GT的相邻的状况比较明显；各个DNA序列中碱基 丰度比 f、GT f、CT f含量差不多且都含量比较高；其中，DNA序列中TA f、CA f、 GC f含量差不多且都含量比较低。 GA 对于问题二我们首先通过对问题一散点图的分析选取以碱基的丰度和碱基间的丰度之比为分类的指标，构建为分类的特征向量，但这些特征向量之间存在着一定的相关性，我们运用R型聚类选择出相关性程度差的特征向量为Q型聚类的指标。通过Q型聚类我们将这8种DNA序列分为3种分类方式，通过利用means方法，检验各类别在所有变量上的差异，再利用单因素方差分析最终确定将8种DNA序列分为四类。分类结果如下： 第一类：Human 、Mouse； 第二类：Goat、Rabbit； 第三类：Opossum、 Lemur 、Rat ； 第四类：Gallus。 关键词：数理统计；R型聚类；Q型聚类；means法；单因素方差分析法 1 问题重述 DNA 序列是由A，T，G，C 四个表示4 种碱基的字符组成的序列。研究DNA 序列的结构及序列中隐藏的规律，成为生物信息学的重要研究课题。根据表 1 中八个物种的β-球蛋白基因的第一个外显子序列，请解决以下问题： 1.建立数学模型刻画序列间的差异； 2. 对表1中八个物种的DNA序列进行分类。 2 基本假设 华北科技学院 课程设计说明书 班级: 姓名: 学号：成绩：______ 设计题目: DNA序列分类模型 设计时间: 2013.7.8 至2013.7.12 指导教师: 评语:______________________________________ _______________________________________________ _______________________________________________ _______________________________________________ _______________________________________________ 评阅教师: _______________ 目录 目录................................................................................................................................. I [摘要] ............................................................................................................................ II 一、问题重述 (1) 二、模型假设 (1) 三、特定符号的说明 (1) 四、模型的分析 (2) 1、针对题目给出A、B类DNA单链分子的特征提取 (2) 2. 将样品分为两类： (3) 五、模型的建立和求解 (4) 1. 模型一：欧式距离分类模型的建立和求解 (5) 2. 模型二：在距离判别分析时经常应用马氏距离 (5) 3. 模型三：运用贝叶斯判别法进行判别 (6) 六、模型的误差分析和检验 (7) 1.误差分析： (7) 2.检验： (7) 七、模型的改进与推广 (7) 1.模型的优缺点： (8) （1）优点： (8) （2）缺点： (8) 2.模型的推广： (8) 八、参考文献 (9) 九、附录 (10) 1.C++程序源码： (10) 2.Matlab程序源码 (12) 2000 年赛题 A 题 DNA 序列分类 2000 年6 月，人类基因组计划中DNA 全序列草图完成，预计2001 年可以完成精确的全序列图，此后人类将拥有一本记录着自身生老病死及遗传进化的全部信息的“天书”。这本大自然写成的“天书”是由4 个字符A，T，C，G 按一定顺序排成的长约30 亿的序列，其中没有“断句”也没有标点符号，除了这4 个字符表示4 种碱基以外，人们对它包含的“内容”知之甚少，难以读懂。破译这部世界上最巨量信息的“天书”是二十一世纪最重要的任务之一。在这个目标中，研究DNA 全序列具有什么结构，由这4 个字符排成的看似随机的序列中隐藏着什么规律，又是解读这部天书的基础，是生物信息学（Bioinformatics）最重要的课题之一。虽然人类对这部“天书”知之甚少，但也发现了DNA 序列中的一些规律性和结构。例如，在全序列中有一些是用于编码蛋白质的序列片段，即由这4 个字符组成的64 种不同的3 字符串，其中大多数用于编码构成蛋白质的20 种氨基酸。又例如，在不用于编码蛋白质的序列片段中，A和T 的含量特别多些，于是以某些碱基特别丰富作为特征去研究DNA 序列的结构也取得了一些结果。此外，利用统计的方法还发现序列的某些片段之间具有相关性，等等。这些发现让人们相信，DNA 序列中存在着局部的和全局性的结构，充分发掘序列的结构对理解DNA 全序列是十分有意义的。目前在这项研究中最普通的思想是省略序列的某些细节，突出特征，然后将其表示成适当的数学对象。这种被称为粗粒化和模型化的方法往往有助于研究规律性和结构。 作为研究DNA 序列的结构的尝试，提出以下对序列集合进行分类的问题： 1）下面有20 个已知类别的人工制造的序列，其中序列标号1—10 为A 类，11-20 为B 类。请从中提取特征，构造分类方法，并用这些已知类别的序列，衡量你的方法是否足够好。然后用你认为满意的方法，对另外20 个未标明类别的人工序列（标号21—40）进行分类，把结果用序号（按从小到大的顺序）标明它们的类别（无法分类的不写入）： A 类； B 类。 请详细描述你的方法，给出计算程序。如果你部分地使用了现成的分类方法，也要将方法名称准确注明。 这40 个序列放在如下地址的网页上，用数据文件Art-model-data 标识，供下载： 网易网址：https://www.doczj.com/doc/7d13513612.html, 教育频道在线试题； 教育网：https://www.doczj.com/doc/7d13513612.html, News mcm2000 教育网： https://www.doczj.com/doc/7d13513612.html,/mcm [注] 目前这些网站上不一定还保存有该文件，这里将该文件的内容附于本题后。 2）在同样网址的数据文件Nat-model-data 中给出了182 个自然DNA 序列，它们都较长。用你的分类方法对它们进行分类，像1）一样地给出分类结果。 提示：衡量分类方法优劣的标准是分类的正确率，构造分类方法有许多途径，例如提取序列的某些特征，给出它们的数学表示：几何空间或向量空间的元素等，然后再选择或构造适合这 种数学表示的分类方法；又例如构造概率统计模型，然后用统计方法分类等。 （北京工业大学孟大志提供） [附]数据文件Art-model-data 的内容如下： 附录1：已知类别的序列（用于提取特征及检验方法） A 类10 个序列： >aggcacggaaaaacgggaataacggaggaggacttggcacggcattacacggaggacgaggtaaaggaggcttgtctac ggccggaagtgaagggggatatgaccgcttggaattgtctg DNA序列分类 摘要本问题是一个“有人管理分类问题”。首先分别列举出20个学习样本序列中1字符串、2字符串、3字符串出现的频率，构成含41个变量的基本特征集，接着用主成分分析法从中提取出4个特征。然后用Fisher线性判别法进行分类，得出了所求20个人工制造序列及182个自然序列的分类结果如下： 1）20个人工序列：22, 23，25，27，29，34，35，36，37为A类，其余为B类。 2）182个自然序列：1，4，8，10，27，29，32，41，43，48，54，63，70，72，75，76，81，86，90，92，102，110，116，119，126，131，144，150，157，159，160，161，162，163，164，165，166，169，170，182为B类，其余为A类。 最后通过检验证明所用的分类数学模型效率较高。 一.问题重述 人类基因组计划中DNA全序列草图是由4个字符A，T，C，G按一定顺序排成的长约30亿的序列，其中没有“断句”也没有标点符号。虽然人类对它知之甚少，但也发现了其中的一些规律性和结构。例如，在全序列中有一些是用于编码蛋白质的序列片段，即由这4个字符组成的64种不同的3字符串，其中大多数用于编码构成蛋白质的20种氨基酸。又例如，在不用于编码蛋白质的序列片段中，A和T的含量特别多些，于是以某些碱基特别丰富作为特征去研究DNA序列的结构也取得了一些结果。此外，利用统计的方法还发现序列的某些片段之间具有相关性，等等。这些发现让人们相信，DNA序列中存在着局部的和全局性的结构，充分发掘序列的结构对理解DNA全序列是十分有意义的。目前在这项研究中最普通的思想是省略序列的某些细节，突出特征，然后将其表示成适当的数学对象。 作为研究DNA序列的结构的尝试，提出以下对序列集合进行分类的问题： 1）请从20个已知类别的人工制造的序列（其中序列标号1—10 为A类，11-20为B 类）中提取特征，构造分类方法，并用这些已知类别的序列，衡量你的方法是否足够好。然后用你认为满意的方法，对另外20个未标明类别的人工序列（标号21—40）进行分类，把结果用序号（按从小到大的顺序）标明它们的类别（无法分类的不写入） 2）同样方法对182个自然DNA序列(它们都较长)进行分类，像1）一样地给出分类结果。 二.模型的合理假设 1．各序列中DNA碱基三联组（即3字符串）的起始位置和基因表达不影响分类的结果。 2．64种3字符串压缩为20组后不影响分类的结果。 3．较长的182个自然序列与已知类别的20个样本序列具有共同的特征。2000年全国大学生数学建模竞赛A题 DNA序列分类
数学建模DNA序列分类模型终
DNA序列的一种分类方法
数学建模竞赛试题--基因识别问题及其算法实现
DNA序列分类实验报告
19398-数学建模-DNA序列分类模型
DNA序列分类
历年全国数学建模试题及其解法归纳
DNA序列的分类与判别分析
DNA序列分类
DNA序列研究数学建模问题
DNA序列的分类模型
DNA序列问题模型详解
2000年建模A题DNA序列分类的数学模型
2000--A 题 DNA 序列分类
数学建模 DNA序列分类(2000年竞赛题)
相关主题
文本预览