基于K中心方法的氨基酸序列聚类分析

针对氨基酸序列的聚类问题，提出了基于K中心方法的解决方案。该方案把K中心方法、动态规划方法和生物学研究中的一些新理论有机地融合在了一起。通过实验，该方案具有很强的适用性和很好的聚类效果，是数据挖掘方法在生物信息学研究中一次有益的探索。     

基于并行遗传算法的蛋白质空间结构预测

1 前言蛋白质是生命的基础。从细胞分裂到细胞运动,从代谢到免疫,已知的生物功能没有一个能够离开蛋白质而实现。一个典型的细胞可能含有的蛋白质种类就有大约10万种,而且每种蛋白质的作用都不尽相同。更进一步,基因是生物细胞中的遗传物质,它也必须以蛋白质形式表达出来,才能显示出生物的各种遗传性状。因此,对于蛋白质的研究在生命科学中是最重要的课题之一。     

基于遗传算法的K均值聚类分析

1 前言聚类分析就是将数据对象分组成为多个类或簇,在同一个簇中的对象之间具有较高的相似度,而不同的簇中的对象差别较大。聚类分析目前应用广泛,已经成为数据挖掘主要的研究领域。通过聚类,人们能够识别密集的和稀疏的区域,从而发现数据的整体分布模式,还能找到数据间的有趣的相互关系。关于聚类分析目前已经有K均值,CURE等很多算法,     

核酸序列数据库上的联机分析处理方法

1.前言 2000年6月26日,被誉为生命“阿波罗计划”的人类基因组计划,终于完成了工作草图,它预示着完成人类基因组计划已经指日可待,也预示着基于序列的生物学时代已经到来。截止目前为止,仅登录在欧洲生物信息中心EMBL核酸序列数据库中的序列总量就已接近200亿碱基对。与其同步的还有数据库中蛋白质数目的增长。例如,在SWISS-PROT蛋白质数据库中的序列现在已经接近了11万个,此外,还有一万多种蛋白