基于马尔可夫聚类算法的基因序列分析

国家大学生创新性实验项目

——基因序列分析的数学模型和聚类算法研究1.背景及概述2.团队介绍3.项目方案4.创新与特色5.预期成果6.进程安排项目背景及概况指导教师许威数学工具生物信息学知识两年期项目背景及概述生物学数据库的发展

近年来，随着分子生物学和现代医学的迅速发展，特别是人类基因组计划的实施和完成，人类已获得大量的生物分子数据，成百上千的生物学数据库迅速出现和成长，并且其积累速度仍在不断的提高，如何利用好获得的数据并且取出隐藏在其中的对人类有用的信息则是一个迫切需要解决的问题。DDBJ欧洲EMBL日本GeneBank美国项目背景及概述模拟计算的方法大规模研究基因表达调控成为可能

与此同时，大规模测定基因水平的基因芯片技术的出现和高性能计算机的使用使得用模拟计算的方法大规模研究基因表达调控成为可能。一些研究者已经开始研究某一类疾病病人组和对比组的基因序列对比分析，并通过控制疾病的基因序列组的表达方式来治疗疾病。由此可见，用数学模型的方法进行基因序列比对是目前生物信息学研究的热点之一。项目背景及概述我们要做的

我们要做的就是建立一个基因序列分析的数学模型并设计高效算法，应用到基因序列分析以及疾病预测中。国家大学生创新性实验项目

——基因序列分析的数学模型和聚类算法研究1.背景及概述2.团队介绍3.项目方案4.创新与特色5.预期成果6.进程安排数学功底格外扎实对数学建模有浓厚兴趣踏实严谨姚震洲计算机软件有一定研究，善于利用软件解决问题擅长文书撰写应变能力和创新精神王腾蛟团队介绍对生物信息学知识

有浓厚兴趣数学基础扎实博览群书理论分析能力强陈博文数学系09级西南二楼541寝室生物信息学计算机辅助工具建模工作国家大学生创新性实验项目

——基因序列分析的数学模型和聚类算法研究1.背景及概述2.团队介绍3.项目方案4.创新与特色5.预期成果6.进程安排项目方案基因序列分析的数学模型和聚类算法研究什么是序列分析？项目方案蛋白质基因研究蛋白质性质的方法生物学实验基因序列分析转录翻译对应于序列分析的方法建立数学模型项目方案碱基对序列数学语言蛋白质的性质已有算法的缺陷研究极小片的基因，不适应强大的基因库的分析在复杂的基因团分析时不够准确项目方案聚类算法四步骤：确定聚类分析的观察数据（类比点的坐标，把蛋白质如点般固定）度量指标（类比距离，蛋白质间的联系）度量指标的选取（类比内积，结合具体聚类分析）选取聚类中心和临界范围，找出聚类项目方案聚类算法效果图项目方案ⅰⅱⅲⅳⅵⅴ马尔可夫聚类算法马尔可夫矩阵项目方案目国家大学生创新性实验项目

——基因序列分析的数学模型和聚类算法研究1.背景及概述2.团队介绍3.项目方案4.创新与特色5.预期成果6.进程安排创新与特色Markov聚类算法运用数学模型（图论）理论研究与实际相结合将蛋白质性质预测用可计算的数学语言刻画国家大学生创新性实验项目

——基因序列分析的数学模型和聚类算法研究1.背景及概述2.团队介绍3.项目方案4.创新与特色5.预期成果6.进程安排预期成果模型建立基因序列分析的数学模型算法作出相关算法程序并起到一定的运用效果模拟选取常见的疾病相关基因序列进行模拟实验得出一些初步结论，为医学治疗提供一定的参考论文撰写相关论文争取在权威期刊上发表国家大学生创新性实验项目

——基因序列分析的数学模型和聚类算法研究1.背景及概述2.团队介绍3.项目方案4.创新与特色5.预期成果6.进程安排进程安排第一阶段（2010.9~2011.3）研究计划如下：2010.9王腾蛟同学关于生物信息学领域基本概念以及常用研究手段的介绍2010.11姚震洲同学关于马尔科夫链随机游走过程的数学模型及其在序列分析领域应用的主题报告2011.1陈博文同学关于基因序列数据库以及现有蛋白质类聚的分类标准的介绍进程安排第二阶段（2011.4~2011.12）研究计划如下：2011.4建立马尔可夫随机游走过程的数学模型，模拟并设计算法，面向更真实的蛋白质序列，分析和预测蛋白质序列的性质。王腾蛟、姚震洲同学关于该工作的主题报告2011.6分析算法模型中不同长度和结构的蛋白质序列对预测效果的影响，陈博文同学关于该问题的主题报告2011.7将我们的算法与已有的成熟算法进行对比，并作想过模拟测试，发现不足进行弥补，及时完善算法和模型。陈博文同学关于该工作的相关主题报告进程安排第三阶段（2012.1~2012.6）研究计划如下：2012.3整理已得到的数据，运用相关分析软件和数据库进行深入分析。王腾蛟同学做相关主题报告开一个研究总结讨论会听取更多意见，进一步完善算法模型。王腾蛟负责会议进程并作总结报告2012.5结合肥胖糖尿病等现有疾病，找出并分析致病的蛋白质所具有的性质，并对此类疾病的治疗提供相关建议。陈博文同学关于该工作的相关报告进程安排第四阶段（2