上篇  多序列比对基础篇

第1章  生物多序列比对 3

1.1  生物信息学 3

1.1.1  生物信息学的起源 3

1.1.2  生物信息学的概念 4

1.1.3  生物信息学的主要研究内容 4

1.2  序列比对的概念及其发展历史 8

1.2.1  序列比对的提出与基本概念 8

1.2.2  序列比对的目的和意义 8

1.2.3  国内外研究现状 10

1.2.4  多序列比对面临的挑战 10

1.3  多序列比对的基本原理 11

1.3.1  多序列比对的相关概念 11

1.3.2  序列比对的分类 12

1.3.3  多序列比对的数学定义 13

1.3.4  多序列比对的打分方法 14

1.4  多序列比对方法 22

1.4.1  比对方法 22

1.4.2  多序列比对算法 23

1.5  多序列比对常用数据库 33

1.5.1  综合性数据库 34

1.5.2  基准数据库 36

1.6  多序列比对常用工具 40

1.6.1  搜索工具 40

1.6.2  常用的在线多序列比对工具 42

1.7  多序列比对的应用 45

1.8  其他说明 46

1.8.1  多序列比对算法存在的问题 46

1.8.2  多序列比对算法的运算指标 47

1.8.3  多序列比对算法的展望 48

1.9  本章小结 48

参考文献 49

第2章  进化算法和最优化理论 53

2.1  进化算法 53

2.1.1  遗传算法 53

2.1.2  遗传规划 54

2.1.3  进化策略 56

2.1.4  进化规划 57

2.1.5  粒子群优化算法 58

2.1.6  量子粒子群优化算法 61

2.2  最优化理论 63

2.2.1  最优化问题 64

2.2.2  局部优化算法 66

2.2.3  全局优化算法 67

2.2.4  最优化问题的求解 67

2.3  本章小结 69

参考文献 69

第3章  遗传算法、粒子群优化算法和量子粒子群优化算法 73

3.1  遗传算法 73

3.1.1  遗传算法的基本思想 73

3.1.2  遗传算法中的基本术语 74

3.1.3  遗传算法的步骤及流程图 75

3.1.4  遗传算法的构成要素 76

3.1.5  遗传算法的优缺点 82

3.1.6  遗传算法的应用现状 84

3.1.7  遗传算法的改进 86

3.2  粒子群优化算法 87

3.2.1  基本粒子群优化算法 87

3.2.2  带惯性权重w的粒子群优化算法 89

3.2.3  带收缩因子 的粒子群优化算法 91

3.3  量子粒子群优化算法 92

3.3.1   势阱模型的建立 92

3.3.2  粒子的基本进化方程 95

3.3.3  QPSO算法的流程 96

3.3.4  QPSO算法的收敛性分析 97

3.4  QPSO算法的改进——基于选择操作的QPSO算法 103

3.4.1  引言 103

3.4.2  采用锦标赛选择操作的QPSO算法(QPSO-TS) 105

3.4.3  采用轮盘赌选择操作的QPSO算法(QPSO-RS) 106

3.4.4  算法的收敛性分析 107

3.5  本章小结 110

参考文献 110

中篇  多序列比对模拟篇

第4章  遗传算法在多序列比对中的应用 115

4.1  基本遗传算法模拟多序列比对 115

4.1.1  引言 115

4.1.2  多序列比对问题及数学描述 117

4.1.3  算法设计 117

4.1.4  实验算例与分析 120

4.1.5  结论 123

4.2  改进遗传算法之初始种群优化 124

4.2.1  引言 124

4.2.2  优化原理 125

4.2.3  几种初始化方法的构造 127

4.2.4  加入MAFFT种子的初始化 130

4.2.5  实验算例与结果 130

4.2.6  结论 135

4.3  改进遗传算法之交叉算子优化 136

4.3.1  引言 136

4.3.2  交叉算子设计 137

4.3.3  实验算例与结果 140

4.3.4  结论 143

4.4  本章小结 144

参考文献 144

第5章  QPSO算法在多序列比对中的应用 149

5.1  多序列比对的含义 149

5.2  基于二进制QPSO算法的序列比对 151

5.2.1  二进制的PSO算法(BPSO) 151

5.2.2  二进制的QPSO算法(BQPSO) 152

5.2.3  基于BPSO或BQPSO的多序列比对 156

5.3  本章小结 163

参考文献 165

第6章  基于隐马尔可夫模型和QPSO算法的多序列比对 167

6.1  引言 167

6.2  隐马尔可夫模型 168

6.2.1  隐马尔可夫模型的基本原理 168

6.2.2  隐马尔可夫模型的基本问题与算法 169

6.3  基于剖面HMM和QPSO的多序列比对 172

6.3.1  融合多样性的QPSO算法 174

6.3.2  评估训练算法的质量 179

6.3.3  模型的联配问题 179

6.3.4  评估比对序列的质量 181

6.4  本章小结 191

参考文献 191

第7章  多序列比对的并行计算 193

7.1  长序列首尾分段并行比对算法 193

7.1.1  引言 193

7.1.2  构造原理 195

7.1.3  数值模拟结果 196

7.1.4  结论 198

7.2  本章小结 198

参考文献 199

下篇  多序列比对参数篇

第8章  多序列比对的参数研究 203

8.1  基于SP目标函数的多序列比对参数研究 203

8.1.1  引言 203

8.1.2  基本定义 204

8.1.3  公式推导 206

8.1.4  实验结果与分析 210

8.1.5  结论 217

8.2  在线工具MAFFT参数研究 218

8.2.1  引言 218

8.2.2  基本定义 220

8.2.3  实验结果与分析 222

8.2.4  结论 229

8.3  本章小结 230

参考文献 231

附录  相关的源代码 235

附录A  基本遗传算法总程序 235

附录B  生成初始种群bio_var 239

附录C  生成初始种群rand_var 243

附录D  选择算子selection 245

附录E  横向多行交叉算子hhor_crossover4to2 248

附录F  纵向交叉算子ver_crossover4to2 253

附录G  变异算子mutation 259

附录H  适应度函数：SP函数 262

附录I  多序列比对参数研究的相关程序 264

附录J  HMM和QPSO算法用于多序列比对的程序 266