數(shù)學(xué)模型在生物信息學(xué)教學(xué)中應(yīng)用-全文預(yù)覽
【正文】 MM參數(shù)估計，這種方法用于多序列對比研究時可以更好的避免局部最優(yōu)解。 Statistical Graphics Newsletter, 1997,8:2029[15] 張文彤, ,23(5):393396[16] 徐麗,. 湖北工業(yè)大學(xué)學(xué)報. 2006,21(4):6871[17] 周曉彥,. 華中科技大學(xué)學(xué)報(自然科學(xué)版), 2007, 35(I): 173176[18] 劉萬霖,李 棟,2007,29(12):143414428。2007年劉萬霖等[18]人介紹了構(gòu)建基因調(diào)控網(wǎng)絡(luò)的多種算法和方法，比如馬爾可夫鏈可以用于分析時間序列微陣列表達數(shù)據(jù)；將隨機和概率等引入布爾網(wǎng)絡(luò)模型，可以增強基因網(wǎng)絡(luò)調(diào)控的精確性；貝葉斯網(wǎng)絡(luò)模型在Friedman和Pe’er等人做出了開拓性的工作后，在基因表達數(shù)據(jù)和調(diào)控網(wǎng)絡(luò)方面得到了快速的發(fā)展。1997年Carr等[14]研究了大鼠脊髓的基因活動，通過聚類分析證明具有已知相似功能的基因?qū)儆谝活悺?006年王明會等[11]人將Markov鏈模型應(yīng)用于蛋白質(zhì)可溶性的預(yù)測，預(yù)測精度普遍好于或接近于神經(jīng)網(wǎng)絡(luò)、信息論和支持向量機法的結(jié)果，而且該模型的運算復(fù)雜度低，耗時也更短。2003年閆化軍等[7]人也通過神經(jīng)網(wǎng)絡(luò)算法預(yù)測蛋白質(zhì)二級結(jié)構(gòu)。在這個意義上，數(shù)學(xué)建模也經(jīng)常通過此類“黑箱” 操作達到特定解。2 目的上的相似數(shù)學(xué)建模與生物信息學(xué)都會對大量的數(shù)據(jù)進行統(tǒng)計和分析，都以解決問題為最終目的，并且以求得滿意解為重點，因為有時全局最優(yōu)解難以得到?；蛐蛄邪ㄍ怙@子和內(nèi)含子，其中外顯子只占其中的一小部分。 機器學(xué)習(xí) 機器學(xué)習(xí)一般采用遺傳算法、神經(jīng)網(wǎng)絡(luò)或聚類分析等，模擬人類的學(xué)習(xí)過程，以計算機為工具獲取知識、積累經(jīng)驗，在擁有大樣本、多向量數(shù)據(jù)的數(shù)據(jù)分析中發(fā)揮著日益重要的作用。 動態(tài)規(guī)劃方法動態(tài)規(guī)劃（Dynamic Programming）是一種解決多階段決策過程的最優(yōu)化方法，在每個階段做出一定的決策并影響后續(xù)的決策，最終選擇一個最優(yōu)決策。第三部分 生物信息學(xué)與數(shù)學(xué)建模的交叉 生物信息學(xué)是利用數(shù)學(xué)和計算機作為工具，不可避免地與數(shù)學(xué)建模，這一利用計算機和數(shù)學(xué)理論解決實際問題的學(xué)科，無論在研究方法和技術(shù)上，還是在運用目的上均產(chǎn)生一定的交叉。5 數(shù)學(xué)建模的軟件數(shù)學(xué)建模有專用的軟件：Matlab 7， Lingo 8為其中最主要的軟件，其他重要的軟件有Mathematice，Splus，SAS等。規(guī)劃算法——遇到線性規(guī)劃、整數(shù)規(guī)劃、多元規(guī)劃、二次規(guī)劃等最優(yōu)化問題，可以用數(shù)學(xué)規(guī)劃算法來描述，通常使用Lingo軟件實現(xiàn)。在當今高科技與計算機技術(shù)日新月異且日益普及的社會里，高新技術(shù)的發(fā)展離不開數(shù)學(xué)的支持，沒有良好的數(shù)學(xué)素養(yǎng)已無法實現(xiàn)工程技術(shù)的創(chuàng)新與突破。數(shù)學(xué)建模的問題比較廣泛，涉及到多學(xué)科知識，它不追求解決
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1