病毒蛋白质编码基因预测算法的研究

论文摘要

对病毒基因组的深入研究在许多方面都有很大帮助,特别是在治疗由病毒感染引起的人类疾病方面。随着病毒数据的快速积累,需要更加有效的基因识别方法来处理和挖掘这些数据。在本文中,我们提出了一个新的病毒基因预测和注释系统——Vgas,它结合了序列组成和序列相似性比对的方法,可以在基因组序列中自动查找病毒基因并实现基因功能注释。通过测试从Refseq下载的5705个病毒基因组,与现有的程序GeneMarkS,Prodigal和Glimmer做对比,Vgas证明了其优越性,具有最高的平均精确度和召回率(两个指数均比其他程序高1%以上),特别是对于基因组规模较小的病毒物种(≤10kb),它表现出显著的性能(精确度高6%,召回率高2%)。此外,Vgas提供了一个注释功能,用于根据BLASTp比对提供预测基因的功能信息,而且我们还根据这个信息找出了86个refseq数据库缺失的基因数据。另外,测试证明,当Vgas与GeneMarkS、Prodigal结合使用时,可以获得比三个单独程序中的每一个都更好的预测结果,使用这几种不同软件程序的协作预测将是基因预测的更好的方案。现在,Vgas可在http://cefg.uestc.cn/vgas/免费使用。然而Vgas在处理噬菌体数据和双链DNA病毒时效果较差,相比之下精准度和召回率都较低,考虑到这个局限性,我们又尝试使用深度学习方法进行病毒基因识别,本次试验应用了卷积神经网络,设计了共8层网络结构,在使用Uniprot构建的数据集上五重交叉验证进行测试,F值达到了98%,此模型深入研究有机会可以得到弥补当前Vgas不足的新系统。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 研究背景
•   1.2 病毒基因预测及注释
•   1.3 深度学习以及在生物信息中的应用
•   1.4 本文结构
• 第二章 病毒基因识别及自动注释系统Vgas
•   2.1 先前工作
•   2.2 Z曲线理论与特征提取
•     2.2.1 Z曲线理论
•     2.2.2 特征参数提取
•   2.3 测试数据来源
•   2.4 Vgas程序的基本框架
•   2.5 Vgas结果评估
•     2.5.1 不同长度基因组结果分析
•     2.5.2 噬菌体基因组分析
•     2.5.3 不同载体基因组结果分析
•     2.5.4 高精度数据集测试
•     2.5.5 结论
•   2.6 Vgas注释功能评估
•   2.7 新基因的发现
•   2.8 Vgas的网络服务
•   2.9 本章小结
• 第三章 深度学习在病毒基因识别中的实践
•   3.1 引言
•   3.2 深度学习相关知识
•     3.2.1 卷积神经网络
•     3.2.2 循环神经网络
•     3.2.3 激活函数
•     3.2.4 损失函数和优化算法
•     3.2.5 正则化
•   3.3 数据集构建
•   3.4 网络结构
•     3.4.1 输入层
•     3.4.2 卷积层
•     3.4.3 连接层
•     3.4.4 Softmax层以及损失函数的计算
•   3.5 结果分析与讨论
•   3.6 小结
• 第四章 总结与展望
•   4.1 全文总结
•   4.2 未来工作的展望
• 致谢
• 参考文献
• 攻读硕士学位期间取得的成果

文章来源

类型: 硕士论文

作者: 高依舟

导师: 郭锋彪

关键词: 病毒基因识别,功能注释,新基因,联合预测,深度学习

来源: 电子科技大学

年度: 2019

分类: 基础科学,医药卫生科技

专业: 生物学,生物学,基础医学

单位: 电子科技大学

分类号: R373;Q811.4

总页数: 53

文件大小: 2913K

下载量: 53