【文章內(nèi)容簡介】 .................................................................................. 43 基于支持向量回歸算法的特征選擇 ................................................................... 44 結(jié)果和討論 ..................................................................................................................... 44 建模變量的選擇 ................................................................................................... 44 SVR 模型參數(shù) 的選擇 ........................................................................................... 44 SVR 模型 ............................................................................................................... 48 SVR 模型驗(yàn)證 ....................................................................................................... 48 討論 ....................................................................................................................... 49 SVR 參數(shù)的討論 ..................................................................................... 49 敏感性分析 ................................................................................................ 49 本章小結(jié) ......................................................................................................................... 51 第四章 在線 web 預(yù)報(bào)服務(wù)器的建立 ................................................................................ 53 J2EE 技術(shù)與 MVC 模式 .................................................................................................... 53 J2EE 概述 .............................................................................................................. 53 J2EE 分布式多層應(yīng)用模型 .................................................................................. 54 MVC 模式 .............................................................................................................. 56 基于 J2EE 的 MVC 模式 ..................................................................................... 57 系統(tǒng)的總體設(shè)計(jì) ............................................................................................................. 59 系統(tǒng)的結(jié)構(gòu)設(shè)計(jì) ................................................................................................... 59 系統(tǒng)環(huán)境與開發(fā)工具 ........................................................................................... 60 系統(tǒng)的詳細(xì)設(shè)計(jì) ............................................................................................................. 61 已完成的在線 web 預(yù)報(bào)服務(wù)器 ..................................................................................... 63 本章小結(jié) ......................................................................................................................... 64 第五章 總結(jié)與展望 ............................................................................................................. 65 全文總結(jié) ......................................................................................................................... 65 工作展望 ......................................................................................................................... 66 參考文獻(xiàn) ......................................................................................................................................... 67 附錄一 . 1苯基 2 氫 四氫三嗪 3酮同系物結(jié)構(gòu)及活性值數(shù)據(jù) ................................................. 76 攻讀碩士期間發(fā)表及已錄用論文 ................................................................................................. 78 致謝 ................................................................................................................................................ 79 上海大學(xué)碩士學(xué)位論文 2022 年 5 月 1 第一章 緒論 生物信息學(xué)簡介 20 世 紀(jì)后期，人類和其他生物物種基因組學(xué)的研究飛速發(fā)展，生物信息的增長驚人，生物科學(xué)技術(shù)極大地豐富了生物科學(xué)的數(shù)據(jù)資源。數(shù)據(jù)資源的急劇膨脹迫使人們尋求一種強(qiáng)有力的工具，運(yùn)用新的技術(shù)手段對(duì)復(fù)雜的海量生物信息進(jìn)行儲(chǔ)存、管理、分析和研究， 并 組織 好 這些數(shù)據(jù)，以利于儲(chǔ)存、加工和利用， 進(jìn)而達(dá)到 有效管理、準(zhǔn)確解讀、充分使用這些信息 的目的 。生物信息學(xué)便是在急速上漲的生物信息數(shù)據(jù)海洋中應(yīng)運(yùn)而生。 美國人類基因組計(jì)劃實(shí)施五年后的總結(jié)報(bào)告中 ,對(duì)生物信息學(xué)作了以下的定義：生物信息學(xué)是一門交叉學(xué)科 ,它包含了生物信息的獲取、處理、儲(chǔ)存、分發(fā)、 分析和解釋等在內(nèi)的所有方面 ,它綜合運(yùn)用數(shù)學(xué)、計(jì)算機(jī)科學(xué)和生物學(xué)的各種工具 ,來闡明和理解大量數(shù)據(jù)所包含的生物學(xué)意義。 [1] 目前生物信息學(xué)的主要任務(wù)是研究生物分子數(shù)據(jù)的獲取、存儲(chǔ)和查詢，發(fā)展數(shù)據(jù)分析方法，研究內(nèi)容主要包括三個(gè)方面： 第一， 收集和管理生物分子數(shù)據(jù)，將各種數(shù)據(jù)以一定的表示形式存放在計(jì)算機(jī)中，建立數(shù)據(jù)庫系統(tǒng)并提供數(shù)據(jù)查詢和數(shù)據(jù)通訊工具，使得生物學(xué)研究人員能夠方便地使用這些數(shù)據(jù)，并為信息分析和數(shù)據(jù)挖掘打下基礎(chǔ)。目前國際上已建立起許多公共生物分子數(shù)據(jù)庫，包括基因圖譜數(shù)據(jù)庫、核酸序列數(shù)據(jù)庫、蛋白質(zhì)序列數(shù)據(jù)庫、 生物大分子結(jié)構(gòu)數(shù)據(jù)庫等，由專門的機(jī)構(gòu)建立和維護(hù)負(fù)責(zé)收集、組織、管理和發(fā)布生物分子數(shù)據(jù)，并提供數(shù)據(jù)檢索和分析工具，向生物學(xué)研究人員提供大量有用的信息，最大限度地滿足他們的研究和應(yīng)用需要，為生物信息學(xué)研究服務(wù)。 迄今為止 ,生物學(xué)數(shù)據(jù)庫總數(shù)已達(dá) 500 個(gè)以上。在 DNA 序列方面有 GenBank、 EMBL 和 DDBJ 等。在蛋白質(zhì)一級(jí)結(jié)構(gòu)方面有SWISSPROT、 PIR 和 MIPS 等。在蛋白質(zhì)和 其它 生物大分子的結(jié)構(gòu)方面有 PDB 等。在蛋白質(zhì)結(jié)構(gòu)分類方面有 SCOP 和 CATH 等。 [1] 第二， 進(jìn)行數(shù)據(jù)處理和分析，通過信息分析發(fā)現(xiàn)數(shù)據(jù)之間 的關(guān)系提取本質(zhì)規(guī)律，進(jìn)而上升為生物學(xué)知識(shí)。在此基礎(chǔ)上解釋與生物分子信息復(fù)制、上海大學(xué)碩士學(xué)位論文 2022 年 5 月 2 傳遞、表達(dá)有關(guān)的生物過程，并解釋生物過程中出現(xiàn)的故障與疾病的關(guān)系，幫助發(fā)現(xiàn)新藥物作用目標(biāo)，設(shè)計(jì)新藥物分子，為進(jìn)一步的研究和應(yīng)用打下基礎(chǔ)。目前生物信息學(xué)的主要研究對(duì)象是基因和蛋白質(zhì)。在蛋白質(zhì)分析方面，著重分析蛋白質(zhì)序列與蛋白質(zhì)結(jié)構(gòu)及功能之間的關(guān)系，預(yù)測(cè)蛋白質(zhì)的功能，研究蛋白質(zhì)家族關(guān)系開展進(jìn)化分析。面對(duì)大量蛋白質(zhì)序列數(shù)據(jù)，傳統(tǒng)的計(jì)算方法越來越顯示出不足，借助機(jī)器學(xué)習(xí)模式識(shí)別的方法彌補(bǔ)傳統(tǒng)試驗(yàn)方法的不足，是目前生物信息學(xué)領(lǐng)域普遍使用的方法 [2]。本論文研究基于 機(jī)器學(xué)習(xí) 理論和算法 ， 通過 對(duì)蛋白質(zhì)序列分析，進(jìn)而實(shí)現(xiàn) 亞細(xì)胞位置預(yù)測(cè)的工作 。 第三， 開發(fā)分析工具和實(shí)用軟件解決具體問題，為生物信息學(xué)的應(yīng)用服務(wù)，如生物分子序列比較工具、基因識(shí)別工具、生物分子結(jié)構(gòu)預(yù)測(cè)工具、基因表達(dá)數(shù)據(jù)分析工具等。到目前為止，各國研究人員開發(fā)了許多有應(yīng)用價(jià)值的軟件產(chǎn)品，如用于生物信息數(shù)據(jù)庫檢索的 SRS 和 Entrez，用于序列同源性分析的 BLAST[3,4]和 FASTA[5,6]，以及用于多序列比對(duì)的 Clustw[7]等。為方便同行使用，本論文的部分研究工作已經(jīng)通過Inter 向 全世界生物學(xué)家提供開放性服務(wù)。 機(jī)器學(xué)習(xí)算法在生物信息學(xué)中的應(yīng)用 機(jī)器學(xué)習(xí)的研究主旨是使用計(jì)算機(jī)模擬人類的學(xué)習(xí)活動(dòng) ,它是研究計(jì)算機(jī)識(shí)別現(xiàn)有知識(shí)、獲取新知識(shí)、不斷改善性能和實(shí)現(xiàn)自身完善的方法。這里的學(xué)習(xí)意味著從數(shù)據(jù)中學(xué)習(xí) ,它包括有指導(dǎo)學(xué)習(xí) (Supervised Learning)、無指導(dǎo)學(xué)習(xí) (UnsupervisedLearning)和半指導(dǎo)學(xué)習(xí) (SemiSupervised Learning)三種類別。常見的有指導(dǎo)學(xué)習(xí)包括 :決策樹、 Boosting 與 Bagging 算法、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等。 [8] 機(jī)器學(xué)習(xí)算法在生物信息學(xué)中的應(yīng)用主要包括四個(gè)方面： [9] 第一， 在 序列比對(duì)分析中的應(yīng)用。 序列比對(duì)是生物信息學(xué)的基礎(chǔ)?；締栴}是比較兩個(gè)或兩個(gè)以上符號(hào)序列的相似性。從 20 世紀(jì)80 年代以來 ,人們發(fā)展了半經(jīng)驗(yàn)的直觀算法。它們可以很快地給出較好的結(jié)果 ,但不能保證所得結(jié)果是最優(yōu)的。另外 ,還有動(dòng)上海大學(xué)碩士學(xué)位論文 2022 年 5 月 3 態(tài)規(guī)劃算法、神經(jīng)網(wǎng)絡(luò)和隱 馬爾科夫 算法。目前已用于序列對(duì)比分析的方法主要有 :NeedlimanWunsch 動(dòng)態(tài)規(guī)劃算法 , Smith Waterman 算法及 Blast Fasta 等相似性比較程序。通過它們可進(jìn)行兩序列、多序列、局 部序列乃至完整基因組的比較。目前 ,基因的比較研究也必須從基因的比較上升到對(duì)不同進(jìn)化水平的生物在整個(gè)基因?qū)用嫔系谋容^研究。 第二， 在人類基因組研究中的應(yīng)用。 隨著人類基因組研究的發(fā)展 ,利用機(jī)器學(xué)習(xí)方法進(jìn)行基因識(shí)別被廣泛使用。這些方法包括神經(jīng)網(wǎng)絡(luò)算法、基于規(guī)則的方法、決策樹和概率推理等。此外 ,基于隱馬爾科夫模型 EM 訓(xùn)練算法 、 Viterbi 序列分析算法以及FDR(False DiscoveryRate)方法都有成功的應(yīng)用成果。發(fā)現(xiàn)新基因和單核苷酸多態(tài)是當(dāng)前國際上基因組研究的熱點(diǎn)。生物信息學(xué)的方法是發(fā)現(xiàn)新基因的