1、ClassifiedIndex：0231UDC：6213SecrecyRate：PubiziedUniversityCode：10082HebeiUniversityofScienceandTechnologyDissertationfortheMasterDegreeTheNcRNAClusteringAnalysiswithUnknowClusterNumbersCandidate：Supervisor：AssociateSuper

2、visor：AcademicDegreeAppliedfor：Speciality：Employer：DateofOralExaminatiOil：PengGang一一AssociateProfZhangYiMasterofScienceAppliedMathematicsCollegeofScienceMay2014摘要摘要近年來(lái)，越來(lái)越多的研究人員發(fā)現(xiàn)ncRNA在生命過(guò)程中起著至關(guān)重要的作用。到目前為止，Rfam數(shù)據(jù)庫(kù)中ncRNA還

3、只有2028個(gè)家族，而發(fā)現(xiàn)的ncRNA數(shù)量也逐漸增多，但是有很多的ncRNA在Rfam數(shù)據(jù)庫(kù)中找不到已知的類別。因此，給新的ncRNA序列找一個(gè)新的類別已成為研究的熱門課題之一。而ncRNA序列聚類的效果與提取ncRNA序列信息的準(zhǔn)確度息息相關(guān)。本文中，提出了兩種方法獲取ncRNA序列的信息，分別是A矩陣法和成分比例法對(duì)序列特征化。序列之間的距離就轉(zhuǎn)化成序列特征向量的歐氏距離，簡(jiǎn)化計(jì)算序列間的距離的過(guò)程。文中采用了兩種聚類算法對(duì)聚類數(shù)目

4、未知的ncRNA聚類。第一種方法最臨近規(guī)則試探法，通過(guò)調(diào)整閾值T，最后得到最好的聚類結(jié)果，將ncRNA序列分為了11類。第二種方法蟻群算法，通過(guò)參數(shù)的調(diào)整，最后得到最好的聚類結(jié)果，最終將ncRNA序列分為了23類。為了不讓ncRNA序列信息丟失，將這兩種方法聚成的ncRNA類取交集，得到交集ncRNA類即D類和F類。由于F類不合理，將其舍去。最后，對(duì)D類中序列進(jìn)行二級(jí)結(jié)構(gòu)預(yù)測(cè)。發(fā)現(xiàn)D類中的序列的二級(jí)結(jié)構(gòu)的莖區(qū)長(zhǎng)度分布相似，在一定的程度上