生物序列分析相关论文
随着网络技术、数据库、传感器、基因组学和蛋白质组学的发展，数据供给能力和数据分析能力间的矛盾日益突出，迫切需要一种能够对数据......
蛋白质序列可以按照功能，结构，亚细胞位置等分成不同的类别。 在计算生物学中的一个很重要的问题是如何自动地进行这个分类过程。......
近年来,伴随着像基因检测等技术的快速发展,生物序列数据连年剧增,大幅度增长的序列数据促进了生物学许多领域的快速发展。然而,在......
支持向量机是一种比较新的机器学习方法,它满足结构风险最小的要求,并且能够适用于高维的特征空间,因此在生物序列分析中得到了广......
随着以功能基因组学和蛋白质组学为主要研究内容的后基因组时代的来临,人们面对着"海量"的生物序列数据需要分析处理.生物序列分析......
生物序列分析在生物信息学中占有重要地位.本文对贝叶斯神经网络(Bayesian neural networks)及其在生物序列分析中的应用作了评述.......
隐马尔可夫模型(HMM)是一个能够通过可观测的数据很好地捕捉真实空间统计性质的随机模型,该模型已成功地运用于语音识别,目前HMM已......
目的：克隆人破骨细胞分化因子（ODF）基因并进行序列分析。方法：以人骨肉瘤细胞系MG63的mRNA为模板，采用RT—PCR方法得到人ODF的编码区cDN......
生物序列相似性(或差异性)分析是生物信息学研究的一种重要的方法.其中基于对齐的生物序列相似性分析方法,重点介绍基于隐马尔可夫......
作为生物信息学的传统研究领域，生物序列分析得到了广泛的研究。然而，随着测序技术的发展，生物序列数据在规模和特性上都发生了改变，生......
序列模式挖掘就是从给定序列数据库中发现频繁的子序列作为模式。它是数据挖掘领域的重要分支,具有广泛的应用场景,例如序列分类和......
提出了一种基于快速沃尔什变换的分子子序列识别的方法.这种方法不仅能快速识别出子序列并确定子序列的位置,而且极大地降低了CPU......
生物序列数据呈爆炸性趋势增长。如何处理这些海量数据，挖掘出蕴含于数据之中的生物学意义，是生物信息学领域的一个巨大挑战。另一个......
