1、人類基因組計劃的順利實(shí)施和成功完成，產(chǎn)生了大量的基因組信息。分析這些信息是人類基因組研究必不可少的重要工作。真核生物基因啟動子的識別是基因組研究中的一個熱點(diǎn)和難點(diǎn)。啟動子是啟動基因轉(zhuǎn)錄的一類重要序列調(diào)控元件。對啟動子進(jìn)行識別已成為基因結(jié)構(gòu)識別中的重要一環(huán)，同時也是構(gòu)建基因轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)的核心問題。 盡管目前提出了許多啟動子識別的方法，但是識別中假陽性普遍都非常高。為了改善真核生物啟動子識別領(lǐng)域存在的高假陽性的狀況，本文首先搜集并學(xué)

2、習(xí)了相關(guān)生物學(xué)知識和生物數(shù)據(jù)庫信息；然后，基于主成分分析算法，提出了一種真核啟動子識別系統(tǒng)。提取基因序列的內(nèi)容特征，并使用主成分分析算法將高維內(nèi)容特征進(jìn)行壓縮，形成主成分特征。將主成分特征與CpG島特征進(jìn)行綜合并一同作為識別特征。 通過提取人類啟動子核苷酸聯(lián)體信息生成內(nèi)容特征矩陣，這樣就產(chǎn)生了高維的統(tǒng)計特征。為使特征由高維降至低維，使用主成分分析算法將高維統(tǒng)計特征進(jìn)行特征壓縮。主成分分析算法是進(jìn)行多變量分析的一種有效的方法，其主

3、要思想是將原變量矩陣投影到新的空間，獲得一組新的變量。通過對原變量的空間變換，只有能夠代表原空間絕大部分變量的主要成分被保留下來形成新的空間，從而達(dá)到降維的目的。為了彌補(bǔ)在特征壓縮過程中缺失了一部分特征信息，提取基因序列的CpG島信息作為補(bǔ)充特征，將這2維CpG島特征與10維主成分特征進(jìn)行特征綜合，共同作為BP神經(jīng)網(wǎng)絡(luò)的輸入來識別啟動子。 將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)分類器對人類基因序列——L44140、D87675、AF017257、A