遗传算法在DNA折叠预测优化中的应用_毕业论文范文网-论文范文

搜索高级搜索

原创毕业论文

遗传算法在DNA折叠预测优化中的应用

作者: 浏览:6次

免费专业论文
政治工作论文
计算机论文
营销专业论文
工程管理论文范文
医药医学论文范文
法律论文范文
生物专业论文
物理教学论文范文
人力资源论文范文
化学教学论文范文
电子专业论文范文
历史专业论文
电气工程论文
社会学专业论文
英语专业论文
行政管理论文范文
语文专业论文
电子商务论文范文
焊工钳工技师论文
社科文学论文
教育论文范文
数学论文范文
物流论文范文
建筑专业论文
食品专业论文
财务管理论文范文
工商管理论文范文
会计专业论文范文
专业论文格式
化工材料专业论文
英语教学专业论文
电子通信论文范文
旅游管理论文范文
环境科学专业论文
经济论文
人力资源论文范文
营销专业论文范文
财务管理论文范文
物流论文范文
财务会计论文范文
数学教育论文范文
数学与应用数学论文
电子商务论文范文
法律专业论文范文
工商管理论文范文
汉语言文学论文
计算机专业论文
环境艺术专业论文
信息计算科学专业
物流专业论文范文
人力资源论文范文
教育管理论文范文
现代教育技术论文
小学教育论文范文
机械模具专业论文
报告,总结,申请书
理工科专业论文
心理学论文范文
学前教育论文范文

毕业论文范文题目：遗传算法在DNA折叠预测优化中的应用，论文范文关键词：遗传算法在DNA折叠预测优化中的应用
遗传算法在DNA折叠预测优化中的应用毕业论文范文介绍开始：
【论文摘要】：生命组织渴望去适应环境,以达到生存的目的,适应生存,弱者淘汰；组织一代代的进化过程中和可以体现比上一代更优秀的个体.这种生物进化带来了遗传算法的想法,这个算法是利用选择,交叉和变异的过程,用叫遗传算法的计算机程序去解决科学上的问题.遗传算法在DNA相关优化的问题上得到了很好的效果.优化在不同人类努力的领域的一个必不可少的工具；如医学,物理,经济,生物,计算机科学,数学等等.通过科学发明,社会的发展就不得不面对优化问题.一般情况下,在过去时间时在,大部分的数学和其它科学的发展,都在需要得到最优功能的研究领域解决不同的优化问题.每一个生命都包含细胞；细胞是生命的最基本的单元,除了病毒以外,人类包含上亿个细胞(多细胞),还有一些组织是单细胞.这些细胞是信息的载体也是机体的构成,存储很多基因信息叫DNA,DNA包括是由一个长链的核苷酸分子组成的.上个世纪50年代,DNA双螺旋结构的发现,开启了分子生物学时代,将遗传的研究深入到分子层次,使得人们可以清楚地了解遗传信息的构成和传递的途径。在以后的近50年里,分子遗传学、分子免疫学、细胞生物学等新学科如雨后春笋般出现,一个又一个生命的奥秘从分子角度得到了更清晰的阐明。DNA双螺旋(DNAdoublehelix)是一种核酸的构象,在该构象中,两条反向平行的多核甘酸链相互缠绕形成一个右手的双螺旋结构。而DNA超螺旋(DNASupercoil)是由DNA双螺旋进一步扭曲所形成的更高层次的空间结构,包括DNA扭曲、超螺旋、多重螺旋和连环等。超螺旋是DNA三级结构的主要形式,在DNA转录、复制等过程中具有重要作用。超螺旋DNA和最优化的好处在于,其对在所有细胞内的DNA的包装起到辅助作用。DNA超螺旋化有助于细胞的有丝分裂和成熟分裂。对于RNA和DNA的合成,超螺旋化也是不可缺少的。在复制或转录过程中,DNA在DNA/RNA聚合酶作用下必须是松散的。聚合酶能在现存的RNA和DNA样本上聚合新的RNA和DNA。在DNA的双螺（文章此处忽略..）旋结构因其内部原子偏离正常位置而产生张力和扭曲时,所形成的超螺旋结构增加了DNA的稳定性。另外,超螺旋在转录过程中的渗透诱导中起着关键的作用,螺旋的速度影响DNA与其它分子的反应程度。超螺旋可以改变DNA的形状而且比处于松散状态下的DNA分子移动的更快。因此,对于DNA超螺旋结构的研究在生物学和基因工程领域具有重要的理论和应用意义。此外,超螺旋使得操控变得更容易,并且可以加快A段的基因编码。由于基因信息都存储在DNA组成成分内,信息的可获得性对DNA的操控起着重要的作用。如果DNA分子的复制是由细胞完成的,DNA串会解螺旋,复制之后再重新螺旋。操纵子(Operon)是转录的功能单位,是很多前后相连的在功能上相关的基因片段,并且由一个共同的控制区进行转录的控制。操纵子有各种形式,比如可以包括一个或多个可以转录为一个mRNA的结构基因；也可以包括调节基因的整个DNA序列,比如编码调节蛋白的抑制基因。操纵子主要见于原核生物的转录调控,如乳糖操纵子、阿拉伯糖操纵子、组氨酸操纵子、色氨酸操纵子等。同时,在真核生物如线虫中也有发现。其中,大肠杆菌基因操纵子的数目和组织是目前研究得最为深入和广泛的。对于操纵子的准确预测需要考虑到多种因素,并处理多种数据,是具有很高复杂度的计算过程。操纵子的预测通常基于已知生物体的基因序列。一种方法是通过寻找特定的基因集群来实现,对于这类基因集群,基因的顺序和方向在两个或多个基因组中都是保守的。另外一种常见方法是,将阅读框之间的间隔距离作为操纵子数目的主要预测依据,在操纵子开始和结束的部分,存在DNA结构的更长距离的延展,通常达到40至50个碱基对。因此通过对DNA超螺旋结构的分析可以预测操纵子的位置,并从而分析DNA序列的遗传学信息和功能。然而,如果单纯得从DNA序列出发,对于超螺旋进行预测,其准确性将是有限的。预测结构和超螺旋的实际结构不可避免的存在一定甚至很大程度上的差异。此时,选择合适的参数和方法,对预测结构进行优化（此处忽略..）,可以获得更好的预测结构,从而为基于这些结构的后续研究提供更为可靠的数据,也使得基于结构的操纵子预测结果更加理想。在GA中,一条染色体被描述为一个参数集,这些参数为在遗传算法中要解决的一个指定问题定义了一个预期结果；这样的一条染色体通常使用一个0,1串来表示的。例如,一个遗传算法被用来解决给定的0-271数量大小的问题,要处理的染色体数量为173,如果我们的染色体是八位的,那么染色体结果表示为10101101。遗传算法(GeneticAlgorithm,GA)是由Holland教授在20世纪60年代末70年代初提出的,它是模仿自然界生物进化机制发展起来的优化和随机全局搜索方法。遗传算法思想来源于生物进化过程,它是基于进化过程中的信息遗传机制和优胜劣汰的自然选择原则的搜索算法(以字符串表示状态空间)。遗传算法用概率搜索过程在该状态空间中搜索,产生新的样本。遗传算法由于其实现简单,并且鲁棒性好得到了在各领域广泛的应用,如组合和函数优化、生产调度问题、自动控制、图像处理、机器学习、信息处理、人工生命和数据挖掘等领域。遗传算法还具有以下特点：(1)对可行解表示的广泛性。遗传算法在操作的时候并不直接对参数本身进行操作,而是对参数进行某种编码。(2)遗传算法只采用适应度进行评价个体,而不采用其他方式评估个体。(3)遗传算法具有群体搜索特性。众所周知,许多传统的搜索方法采用的是点对点的搜索方法,容易陷入局部极值点。遗传算法则具有很好的全局搜索功能,使得它本身易于并行化。(4)遗传算法很容易和其他算法混合使用。基本遗传算法的构成要素：1、染色体编码方法：首先必须对问题的解空间进行编码,使之能用遗传算法进行操作。较常用的是二进制编码方法,现在使用非二进制编码的也逐渐增多,如实数编码。2、适应度函数(fitnessfunction,又称为适应值/适值函数)用来评价一个染色体的好坏。由于遗传算法只用适应度函数来评价群体,所以适应度的好坏决定了遗传算法的性能。在设计适应度函数的时候,要满足以下几个方面：(1)单值、连续、非负、最大化。(2)个体的适应（文章此处忽略..）度值是衡量个体是好是坏。(3)要求对适应度函数的计算在时间和空间上要尽量少,所以设计尽量简单并且可实现强。(4)设计的适应度要对特定一类问题尽量能够通用。3、遗传操作(1)选择算子(selection):又称为复制算子。按照某种策略从父代中挑选个体进入下一代。选择策略有很多种,如按比例的适应度的选择策略、基于适应度排序的选择策略、基于适应度的竞争选择策略。(2)交叉算子(crossover):又称为杂交算子。将从群体中选择的两个个体,按照某种策略使两个个体相互交换部分染色体,从而形成两个新的个体。下面简单介绍几种交叉方法：单点交叉,它是二进制中的所有交叉方法中最简单、最容易实现的方法。多点交叉是指有多个交叉的点,在多个交叉点之间进行交换。均匀交叉又叫做一致交叉,它把个体的每一个位置都当作为交叉点。随机生成一个屏蔽字,这个屏蔽字与个体是等长的。(3)变异算子mutation):按照一定的概率(一般较小),改变染色体中某些基因的值。遗传算法引入变异的目的,一是使算法具有局部随机搜索的能力,二是维持群体多样性。变异有两种基本方法：单点变异操作是以变异概率指定其为变异点,然后对这位进行取反操作。均匀变异是将个体的每一位都看做变异点,以变异概率从个体的取值范围内取一随机数来代替原有值。基本遗传算法的步骤如下：1.随机产生一个由固定长度字符串组成的初始群体；2.对于字符串群体,迭代地执行下述步骤,直到选种标准被满足为止：(1)计算群体中的每个个体字符串的适应值。(2)应用下述三种操作(至少前两种)来产生新的群体：选择操作把现有的个体字符串复制到新的群体中。杂交操作通过遗传重组随机选择两个现有的子字符串,产生新的字符串。变异操作将现有字符串中某一位的字符随机变异。3.把在后代中出现的最高适应度值的个体字符串指定为遗传算法运行的结果。这一结果可以是问题的解(或近似解)。为了实现优化项目的目的,在MATLAB平台上中的输入是给定数量大小,代数也是选定的,为每一个要求产生一系列的对应结果。目的是要优化DNA片段上最长的0序（此处忽略..）列,这段DNA片段是有18×2421的0,1序列构成的。在得到的所有结果中,最好的结果是被选出来的最后输出为23419.本文使用遗传算法,对大肠杆菌(E-coli)DNA超螺旋结构表进行了优化,以获得最优的操纵子预测结果。实验在MATLAB平台上进行,并对实验结果进行了分析。实验证明,遗传算法可以对大肠杆菌的DNA超螺旋结构进行优化并获得很高的匹配值。同时,遗传算法对于大肠杆菌DNA超螺旋结构的优化也可以应用到对其他物种的DNA结构优化中。然而,大肠杆菌的基因序列较短,和其他真核生物相比DNA结构的复杂度较低,其超螺旋结构的复杂程度也相对的简单。使用遗传算法对其他生物的DNA超螺旋结构进行优化面对计算复杂度的问题,需要对所使用的遗传算法进行有针对性的改进,以节省计算时间,更快的达到迭代收敛,从而使得在其他物种上的应用更加有效和具有实际意义。在第三章所得结果显示不同数量和代数的分配所得到的结果是逐步渐变。迭代的踪迹表明,附录中的输出结果展现出了适应度结果的一张较清晰的图片。每个输出有一个对应的图来表明最优的适应度值所在的位置。纵轴表示被优化了的DNA片段的列,横轴表示代数,在输入条件满足后优化就结束了。在上一段中提到最优的结果是23419,那就是说,从第八代输入要求,图形显示从开始到第三十代存在一个跳跃,然后到大约175代就逐渐变慢。然而,从第175代到第400代适应度值(23419)是最高的。当前在DNA超螺旋的研究程度已经为改善人们的多方面生活做了极大的贡献。最突出的就是在优化方面用到了GA,它为电子产品、经济学,解决不定性问题比如旅行商问题、医疗方面带来了非常大的利益；在医疗方面比如改善了抗生素,癌症化疗方面的处理。

以上为本篇毕业论文范文遗传算法在DNA折叠预测优化中的应用的介绍部分。

本论文在免费论文栏目，由论文网(www.zjwd.net)整理,更多论文,请点论文范文查找

收费专业论文
汉语言文学论文
物理学论文
自动化专业论文
测控技术专业论文
历史学专业论文
机械模具专业论文
金融专业论文
电子通信专业论文
材料科学专业论文
英语专业论文
会计专业论文
行政管理专业论文
财务管理专业论文
电子商务国贸专业
法律专业论文
教育技术学专业论文
物流专业论文
人力资源专业论文
生物工程专业论文
市场营销专业论文
土木工程专业论文
化学工程专业论文
文化产业管理论文
工商管理专业论文
护理专业论文
数学教育专业论文
数学与应用数学专业
心理学专业论文
信息管理专业论文
工程管理专业论文
工业工程专业论文
制药工程专业论文
电子机电信息论文
现代教育技术专业
新闻专业论文
热能与动力设计论文
教育管理专业论文
日语专业论文
德语专业论文
轻化工程专业论文
社会工作专业论文
乡镇企业管理
给水排水专业
服装设计专业论文
电视制片管理专业
旅游管理专业论文
物业管理专业论文
信息管理专业论文
包装工程专业论文
印刷工程专业论文
动画专业论文
营销专业论文范文
工商管理论文范文
汉语言文学论文范文
法律专业论文范文
教育管理论文范文
小学教育论文范文
学前教育论文范文
财务会计论文范文

电子商务论文范文

上一篇：民国时期中国西部科学院的自然资..

下一篇：跨学科领域自然科学学术论文评价..