計(jì)算機(jī)算法在生物信息學(xué)中的應(yīng)用研究

摘 要：隨著社會(huì)經(jīng)濟(jì)的不斷進(jìn)步與發(fā)展，計(jì)算機(jī)技術(shù)的不斷創(chuàng)新改革，計(jì)算機(jī)算法受到了越來(lái)越多生物信息學(xué)者的關(guān)注和重視。計(jì)算機(jī)算法作為生物信息學(xué)中的重中之重，是一個(gè)必不可缺的關(guān)鍵組成部分，生物信息學(xué)中的問(wèn)題具有數(shù)量繁多、計(jì)算量大的鮮明特征，必須采用最先進(jìn)合理的計(jì)算機(jī)算法，才能不斷提高處理生物信息學(xué)問(wèn)題的效率。文章將進(jìn)一步的對(duì)計(jì)算機(jī)算法在生物信息學(xué)中的應(yīng)用展開(kāi)分析和探討。

關(guān)鍵詞：計(jì)算機(jī)算法；生物信息學(xué)；應(yīng)用研究

引言

生物信息學(xué)作為一門(mén)新興的交叉學(xué)科，它涵蓋了計(jì)算機(jī)科學(xué)、生物學(xué)以及統(tǒng)計(jì)學(xué)等不同的學(xué)科。它的主要研究?jī)?nèi)容是通過(guò)應(yīng)用計(jì)算機(jī)對(duì)各種生物數(shù)據(jù)信息進(jìn)行檢索、分析以及儲(chǔ)存。在生物信息學(xué)中，它的各種組合問(wèn)題都具有數(shù)量繁多、計(jì)算量大的鮮明特征，為了能有效地解決各類(lèi)組合難問(wèn)題，就必須不斷提高計(jì)算的處理速度，創(chuàng)新計(jì)算機(jī)算法，保證各算法和程序的高效性。

1 在生物信息學(xué)中普遍被應(yīng)用的計(jì)算機(jī)算法

在生物信息學(xué)中那些常見(jiàn)NP-難的組合優(yōu)化問(wèn)題可以分為以下幾個(gè)：群體單體型檢測(cè)問(wèn)題、個(gè)體單體型檢測(cè)問(wèn)題、多元聚合酶鏈反應(yīng)引物集設(shè)計(jì)問(wèn)題、標(biāo)簽SNPs選擇問(wèn)題、序列比對(duì)問(wèn)題以及基因芯片的探針設(shè)計(jì)問(wèn)題[1]。這些問(wèn)題都具有大量的信息數(shù)據(jù)，對(duì)于計(jì)算機(jī)的處理速度要求偏高。所以，必須不斷優(yōu)化計(jì)算機(jī)算法，對(duì)計(jì)算機(jī)算法在生物信息學(xué)中的應(yīng)用展開(kāi)分析和研究。通常來(lái)說(shuō)，生物信息學(xué)中組合優(yōu)化問(wèn)題采用的計(jì)算機(jī)算法主要包括以下幾種：近似算法、精確算法、啟發(fā)式算法以及參數(shù)化算法等。采用近似算法通常可以得到較為滿(mǎn)意的時(shí)間復(fù)雜度。精確算法則是生物信息學(xué)中遇到難度大組合問(wèn)題的首要選擇，然而它具備偏高的時(shí)間復(fù)雜度[2]。啟發(fā)式算法相對(duì)于傳統(tǒng)的計(jì)算機(jī)算法，前者獲得解的收斂速度會(huì)快很多。參數(shù)化算法通過(guò)從組合問(wèn)題的參數(shù)特性研究分析入手，建立出多維的數(shù)學(xué)模型，從而有效地解決問(wèn)題。

2 啟發(fā)式算法在生物信息學(xué)中的應(yīng)用

啟發(fā)式算法通常被普遍應(yīng)用于較大規(guī)模生物信息學(xué)的組合問(wèn)題中，啟發(fā)式算法具體包括了以下幾種不同的算法：粒子群優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)算法、遺傳算法、混沌免疫進(jìn)化算法、模擬退火算法。

粒子群優(yōu)化算法又可以稱(chēng)為微粒群算法或者微粒群優(yōu)化算法，它是通過(guò)模擬鳥(niǎo)群尋食行為而不斷發(fā)展起來(lái)的一種基于群體合作的隨機(jī)搜索的優(yōu)化算法。通常情況下，可以將它歸類(lèi)為群集智能的一種，被納入了多主體優(yōu)化系統(tǒng)。粒子群優(yōu)化算法的主要發(fā)明者為Kennedy教授和Eberhart教授。在解決組合優(yōu)化問(wèn)題過(guò)程中，粒子群優(yōu)化算法通過(guò)將問(wèn)題的每一個(gè)解相對(duì)應(yīng)的找出空間中某只鳥(niǎo)的位置，將空間中所有的鳥(niǎo)統(tǒng)稱(chēng)為粒子，每一個(gè)粒子的飛行都通過(guò)隊(duì)員的飛行經(jīng)驗(yàn)以及自身的飛行經(jīng)驗(yàn)進(jìn)行適當(dāng)?shù)恼{(diào)整。當(dāng)某個(gè)粒子在實(shí)際的飛行過(guò)程中遇到最佳的飛行位置，這個(gè)就是粒子的最優(yōu)解，也就是個(gè)體的極值。而如果是整個(gè)集體的最優(yōu)解，也就是群體的極值，它為每個(gè)粒子所遇到過(guò)的最佳位置總和。在實(shí)際的算法操作過(guò)程中，粒子是否處于較優(yōu)的位置需要通過(guò)優(yōu)化函數(shù)決定的適應(yīng)度來(lái)確定。與此同時(shí)，粒子的飛行速度直接關(guān)系到每個(gè)粒子的飛行距離以及方向。粒子群優(yōu)化算法最大的優(yōu)勢(shì)就在于它不需要依靠大量的經(jīng)驗(yàn)參數(shù)，簡(jiǎn)捷實(shí)用、適用于并行處理、具備較快的收斂速度等[3]，而它的弊端則是收斂精度不夠高、容易局限于局部的極值。

神經(jīng)網(wǎng)絡(luò)算法在生物信息學(xué)中的主要作用是用來(lái)對(duì)生物神經(jīng)系統(tǒng)信息處理過(guò)程的模擬。神經(jīng)網(wǎng)絡(luò)算法主要可以分為兩個(gè)層面，一個(gè)為輸出層面，另一個(gè)為輸入層面。在這兩個(gè)層面中間還存在些許隱藏的學(xué)習(xí)層面，這些學(xué)習(xí)層面中又包含了很多的結(jié)點(diǎn)[4]。不同結(jié)點(diǎn)之間的連接方式多種多樣，與此同時(shí)，每個(gè)結(jié)點(diǎn)如何把輸入信號(hào)轉(zhuǎn)換為輸出信號(hào)的選擇性也有很多[5]。要想對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行有效的訓(xùn)練，就必須提供大量的數(shù)據(jù)信息。神經(jīng)網(wǎng)絡(luò)在得到訓(xùn)練后，就能夠起到從相同類(lèi)型沒(méi)有處理過(guò)的數(shù)據(jù)中獲取信息的作用。神經(jīng)網(wǎng)絡(luò)算法最大的不足在于，無(wú)法從大量的生物信息數(shù)據(jù)參數(shù)中提取出最簡(jiǎn)單的知識(shí)。

3 參數(shù)化算法

參數(shù)化算法作為一種先進(jìn)的計(jì)算機(jī)算法，通過(guò)將計(jì)算實(shí)踐和計(jì)算理論有效地結(jié)合在一起，從而不斷提高解決生物信息學(xué)組合問(wèn)題的效率。通過(guò)學(xué)習(xí)參數(shù)計(jì)算理論可以知道，在生物信息學(xué)中的某些NP-難問(wèn)題能夠?qū)嵭袇?shù)化，簡(jiǎn)單來(lái)說(shuō)就是合理設(shè)計(jì)出算法復(fù)雜度為“0”的計(jì)算方法。在這個(gè)過(guò)程中，c作為一個(gè)常數(shù)，n則作為問(wèn)題的規(guī)模，k是一個(gè)參數(shù)，這個(gè)參數(shù)的變化過(guò)程只能保持在一個(gè)小的范圍中。一旦常數(shù)c的數(shù)值較小，參數(shù)化算法就能充分的抓住k作為一個(gè)小參數(shù)的特性，較為快速的破解掉生物信息學(xué)中的NP-難問(wèn)題。

4 結(jié)束語(yǔ)

綜上所述，要想大力發(fā)展生物信息學(xué)，就必須將生物學(xué)和計(jì)算機(jī)學(xué)緊密的結(jié)合在一起。既要加強(qiáng)生物學(xué)方面知識(shí)的學(xué)習(xí)，還要不斷對(duì)計(jì)算機(jī)算法進(jìn)行改革創(chuàng)新，提高計(jì)算機(jī)算法的運(yùn)行速度以及精確度，共同促進(jìn)生物信息學(xué)穩(wěn)定持續(xù)的發(fā)展。

參考文獻(xiàn)

[1]（沙特） Alsuw aiyel M H.算法設(shè)計(jì)技巧與分析[M].吳偉昶，方世昌，等，譯.北京：電子工業(yè)出版社，2008：371-407.

[2]（美） Baxevanis And reas D，F(xiàn) rancis Ouellette B F.生物信息學(xué)：基因和蛋白質(zhì)分析的實(shí)用指南[M].李衍達(dá)，孫之榮，等，譯.北京：清華大學(xué)出版社，2008：13-120.

[3]楊久俊，鄧輝文，滕姿.基于混沌免疫進(jìn)化算法的聚類(lèi)算法分析[J].計(jì)算機(jī)科學(xué)，2008，8：154-156.

[4]謝民主.單體型組裝問(wèn)題參數(shù)化建模及算法研究[D].長(zhǎng)沙：中南大學(xué)，2008.

[5]黃艷新，周春光，鄒淑雪，等.一種求解類(lèi)覆蓋問(wèn)題的混合算法[J].軟件學(xué)報(bào)，2009，16（4）：513-522.

作者簡(jiǎn)介：苗濤（1991-），男，漢族，陜西省榆林市人，江南大學(xué)理學(xué)院2011級(jí)本科在讀，研究方向：計(jì)算機(jī)算法、數(shù)學(xué)。