生物序列化表征模型的矩阵分解方法及其应用

前言第1章 绪论1.1 生物信息学海量数据的产生背景1.1.1 生物信息学简介1.1.2 两种基本的生物序列1.2 生物序列比对概述1.3 基于序列比对的系统发育树构建方法1.3.1 分子进化研究的基本方法1.3.2 构建系统进化树的详细步骤1.3.3 构建系统发育树需要注意的几个问题1.4 生物序列数值化表征模型的矩阵分解方法的研究背景1.4.1 序列图形化表征1.4.2 基因组序列数值化表征及应用1.4.3 蛋白质序列数值化表征及应用1.4.4 有关x-mer的算法概述1.5 本书的内容安排
第2章 基于矩阵束联合对角化的DNA序列图形化表征及其应用2.1 DNA序列的图形化表征方法概述2.2 DNA序列的描述符2.2.1 相关的一些工作2.2.2 构建序列的邻接矩阵2.2.3 矩阵分解理论简介2.2.4 有关矩阵对角化的理论2.2.5 近似联合对角化（AJD）2.2.6 算法的保距性2.3 图形化表示法2.3.1 计算特征值组成的序列表征向量（EVV）2.3.2 AJD算法收敛性分析2.3.3 基于特征值组成的表征向量（EVV）的序列图形聚类2.4 相似度分析2.4.1 聚类分析基本原理2.4.2 计算成对距离2.4.3 u条卢球蛋白基因的系统谱系分析2.4.4 与相关工作的比较2.5 本章结论第3章 基于SVD的基因组序列保序变换及其应用3.1 DNA序列数值描述符3.2 从基因组序列向数值向量的保序变换3.2.1 基因组序列变换矩阵的构建3.2.2 所提出的序列变換算法具有的良好性质3.2.3 保序变换-奇异值分解（OPT-SVD）算法的过程描述3.3 保序变换算法在基因组序列相似度／相异度分析中的应用3.4 本章结论第4章 基于保距映射算法的基因组序列Map示图及应用4.1 受PCA的启发尝试对基因组序列数值描述4.2 基因组序列的“保距”变换4.2.1 特征矩阵的构建4.2.2 基因组序列变换的特性4.3 基于保距变换算法的基因组序列的相似度分析4.3.1 第一个数据集上的实验结果4.3.2 另一个更大规模数据集上的实验结果4.4 本章结论第5章 基于NFV-AAA算法的蛋白质序列相似度分析5.1 基于K-mer的组分向量法背景概述5.2 基于氨基酸（AAA）分布的蛋白质序列描述符5.2.1 描述符的范式5.2.2 蛋白质序列转换成400×（L-1）稀疏矩阵5.2.3 AAA优于SAA5.2.4 对特征矩阵M施行SVD以抽取序列的特征5.3 NFV在相似度分析中的应用5.3.1 九条ND5蛋白质序列的相似度分析5.3.2 在24条转铁蛋白序列的数据集上的应用5.4 本章结论第6章 分段K-mer算法及其在序列相似度分析中的应用6.1 K-mer分析法优劣性分析6.2 基因组序列的描述符6.3 s-K-mer在34条线粒体基因组序列数据集上的应用6.3.1 优化算法的数据准备6.3.2 对K-mer进行寻优以便获得其最优阶数K最值6.3.3 s-K-mer算法的性能6.3.4 利用s-K-mer对基因组作系统发生分析6.4 本章结论第7章 基于层级虚拟混合与投影抽取的基因组序列比较7.1 有关FFP与ICA背景概述7.2 基因组序列特征提取模型7.2.1 基于K-mer虚拟混合器的基因组序列数据预处理7.2.2 虚拟混合与投影抽取模型7.2.3 层级的VMPE模型7.3 HVMPE模型在真实基因组数据集上的应用7.3.1 先行相关数据的准备7.3.2 确定虚拟混合器（VM）的最佳阶数K最7.3.3 对HVMPIE模型进行最佳段数S最值的寻优7.3.4 层级的VMPE模型的效果分析7.3.5 基于HVMPE模型的基因组序列种系发生分析7.3.6 在另一个基因组数据集上的应用7.4 本章结论第8章 总结与展望8.1 本书的主要工作与创新点8.2 未来工作的设想8.2.1 NMF的基本原理8.2.2 序列分析中引入NMF算法的构想参考文献