本文主要研究内容
作者张陈浩（2019）在《生物关联预测算法的系统分析和应用研究》一文中研究指出：生命科学或医学中常常需要预测某些实体之间的关联,例如疾病和基因之间的关系。当前,大多数生物关联研究都是通过实验的方式来进行。通过生物实验的方法通常需要消耗大量的人力、物力和财力,而生物实体数据规模大,其组合很难穷尽,因此存在大量未被实验验证的关联。因此实验之前确定可能的关联候选集合是一个重要的问题。通过计算确定可能的潜在关联候选集合成为生物信息学当前的研究热点。例如在lncRNA与蛋白质、miRNA与疾病和药物与靶标的领域有很多基于计算的关联预测算法,也有比较新的关联问题,例如病毒与宿主的关系预测问题上还较少有基于计算方法。一般期望生物关联预测的算法具有很强的通用性,可以迁移到其他领域的关联预测问题。为了调查当前这些算法的适用性和效果,本文系统综述了预测生物关联的计算方法方面5个当前性能最好的算法。本文系统综述了这些算法的构造和应用,并根据lncRNA与蛋白质、miRNA与疾病和病毒与宿主三个生物领域关联数据的特点分别选取了合适的相似矩阵构造方法,作为算法的输入,从而在不同的领域应用,发现了不同领域最适合的相似性和最适合的算法。综合分析在相似性和算法对预测结果的影响,分析了算法对相似度变化的稳定性和对数据变化的稳定性。最后综合考虑性能和稳定性分别对三个不同领域选取最适合的算法。综上,本文在系统研究和评估了三个生物关联领域五个具体的算法,提出了针对数据特点合理设计相似度矩阵和选择适合的算法,可以有效的提高算法的预测准确度。当前生物关联预测方法的研究比较分散独立,研究者常常忽略了这些问题之间的共性和不同,本文对当前关联预测算法进行了系统分析和评估,这为不同问题的预测算法选择和数据输入提供了有价值的参考。本文所预测的潜在可能连接,为进一步生物实验确定了可行的研究范围,也为更深入地了解生物属性提供了潜在的候选。
Abstract
sheng ming ke xue huo yi xue zhong chang chang xu yao yu ce mou xie shi ti zhi jian de guan lian ,li ru ji bing he ji yin zhi jian de guan ji 。dang qian ,da duo shu sheng wu guan lian yan jiu dou shi tong guo shi yan de fang shi lai jin hang 。tong guo sheng wu shi yan de fang fa tong chang xu yao xiao hao da liang de ren li 、wu li he cai li ,er sheng wu shi ti shu ju gui mo da ,ji zu ge hen nan qiong jin ,yin ci cun zai da liang wei bei shi yan yan zheng de guan lian 。yin ci shi yan zhi qian que ding ke neng de guan lian hou shua ji ge shi yi ge chong yao de wen ti 。tong guo ji suan que ding ke neng de qian zai guan lian hou shua ji ge cheng wei sheng wu xin xi xue dang qian de yan jiu re dian 。li ru zai lncRNAyu dan bai zhi 、miRNAyu ji bing he yao wu yu ba biao de ling yu you hen duo ji yu ji suan de guan lian yu ce suan fa ,ye you bi jiao xin de guan lian wen ti ,li ru bing du yu su zhu de guan ji yu ce wen ti shang hai jiao shao you ji yu ji suan fang fa 。yi ban ji wang sheng wu guan lian yu ce de suan fa ju you hen jiang de tong yong xing ,ke yi qian yi dao ji ta ling yu de guan lian yu ce wen ti 。wei le diao cha dang qian zhe xie suan fa de kuo yong xing he xiao guo ,ben wen ji tong zeng shu le yu ce sheng wu guan lian de ji suan fang fa fang mian 5ge dang qian xing neng zui hao de suan fa 。ben wen ji tong zeng shu le zhe xie suan fa de gou zao he ying yong ,bing gen ju lncRNAyu dan bai zhi 、miRNAyu ji bing he bing du yu su zhu san ge sheng wu ling yu guan lian shu ju de te dian fen bie shua qu le ge kuo de xiang shi ju zhen gou zao fang fa ,zuo wei suan fa de shu ru ,cong er zai bu tong de ling yu ying yong ,fa xian le bu tong ling yu zui kuo ge de xiang shi xing he zui kuo ge de suan fa 。zeng ge fen xi zai xiang shi xing he suan fa dui yu ce jie guo de ying xiang ,fen xi le suan fa dui xiang shi du bian hua de wen ding xing he dui shu ju bian hua de wen ding xing 。zui hou zeng ge kao lv xing neng he wen ding xing fen bie dui san ge bu tong ling yu shua qu zui kuo ge de suan fa 。zeng shang ,ben wen zai ji tong yan jiu he ping gu le san ge sheng wu guan lian ling yu wu ge ju ti de suan fa ,di chu le zhen dui shu ju te dian ge li she ji xiang shi du ju zhen he shua ze kuo ge de suan fa ,ke yi you xiao de di gao suan fa de yu ce zhun que du 。dang qian sheng wu guan lian yu ce fang fa de yan jiu bi jiao fen san du li ,yan jiu zhe chang chang hu lve le zhe xie wen ti zhi jian de gong xing he bu tong ,ben wen dui dang qian guan lian yu ce suan fa jin hang le ji tong fen xi he ping gu ,zhe wei bu tong wen ti de yu ce suan fa shua ze he shu ju shu ru di gong le you jia zhi de can kao 。ben wen suo yu ce de qian zai ke neng lian jie ,wei jin yi bu sheng wu shi yan que ding le ke hang de yan jiu fan wei ,ye wei geng shen ru de le jie sheng wu shu xing di gong le qian zai de hou shua 。
论文参考文献
论文详细介绍
论文作者分别是来自华中师范大学的张陈浩，发表于刊物华中师范大学2019-09-29论文，是一篇关于网络关联推荐论文,推荐算法分析论文,生物关联预测论文,华中师范大学2019-09-29论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自华中师范大学2019-09-29论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。