马尔可夫链在RNA二级结构预测中的应用

吉林大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (增刊): 324-0327.

马尔可夫链在RNA二级结构预测中的应用

董浩¹,刘元宁¹,张浩¹,李誌²

1.吉林大学计算机科学与技术学院 |长春 |132012;2.长春理工大学应用技术学院|长春 130022

收稿日期:2010-03-06 出版日期:2010-09-01 发布日期:2010-09-01
通讯作者: 张浩（1971-）,男,副教授,博士生导师.研究方向:生物信息学.E-mail:pec@sohu.com E-mail:pec@sohu.com
作者简介:董浩（1981-）,男,博士研究生.研究方向:生物信息学.E-mail:donghao004@163.com
基金资助:
国家自然科学基金项目（60971089）

Application of Markov chain in RNA secondary structure prediction

DONG Hao¹, LIU Yuan-ning¹, ZHANG Hao1, LI Zhi²

1.College of Computer Science and Technology, Jilin University, Changchun 132012,China|2.College of Applied Technique, Changchun University of Science and Technology,Changchun 130022,China

Received:2010-03-06 Online:2010-09-01 Published:2010-09-01

摘要/Abstract

摘要：

通过研究马尔可夫链在RNA二级结构预测中的应用，提出了基于马尔可夫链的预测方法。首先应用前后缀匹配算法，快速寻找所有可能（包括假结）的茎区集合；然后计算茎环区的自由能；根据马尔可夫特性建立RNAML，寻找自由能最小的二级结构。实验结果证明，本方法降低了计算复杂度，提高了预测的特异性和敏感性，可以预测假结结构。

关键词: 计算机应用, 生物信息学, RNA二级结构, 自由能, 假结, 马尔可夫链

Abstract:

Based on Markov chain，a new method was proposed to predict the RNA secondary structure.Firstly，prefix and suffix matching algorithms were applied to find all the possible (including the pseudoknot) stem zones quickly, then free energy of stemloop stems was calculated, and finally RNAML was established to find the secondary structure with the minimum free energy. The experimental results show that proposed method reduces the computational complexity and improves specificity and sensitivity of prediction with high accuracy, so can predict pseudoknot structure.

Key words: computer application, bioinformatics, RNA secondary structure, free energy, Pseudo-knot, Markov chain

中图分类号:

TP399

董浩, 刘元宁, 张浩, 李誌. 马尔可夫链在RNA二级结构预测中的应用[J]. 吉林大学学报(工学版), 2010, 40(增刊): 324-0327.

DONG Hao, LIU Yuan-Ning, ZHANG Hao, LI Zhi. Application of Markov chain in RNA secondary structure prediction[J]. 吉林大学学报(工学版), 2010, 40(增刊): 324-0327.

参考文献

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	曹骞, 李君, 刘宇, 曲大为. 基于马尔科夫链的长春市乘用车行驶工况构建[J]. 吉林大学学报(工学版), 2018, 48(5): 1366-1373.
[7]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[8]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[9]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[10]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[11]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[12]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[13]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[14]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[15]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed