蛋白質(zhì)組學(xué)作為一個研究熱點,經(jīng)歷了從蛋白質(zhì)定性到定量的發(fā)展,蛋白質(zhì)組學(xué)的研究內(nèi)容也逐步深入。研究表明,人類很多疾病的產(chǎn)生會導(dǎo)致體內(nèi)蛋白質(zhì)的豐度發(fā)生變化,因而蛋白質(zhì)的定量研究有著很重要的應(yīng)用價值。近年來,隨著質(zhì)譜儀器的精度越來越高,蛋白質(zhì)組學(xué)也進入高速發(fā)展的時期。具有高通量、高可靠性的質(zhì)譜分析技術(shù)成為蛋白質(zhì)組學(xué)的主要研究領(lǐng)域,所以如何提高質(zhì)譜數(shù)據(jù)的分析效率也成為一項重要的研究內(nèi)容�，F(xiàn)在使用最廣泛的蛋白質(zhì)定量方法是無標(biāo)定量法,其主要包括譜圖計數(shù)法和信號強度法,這兩種方法都需要二級譜圖的信息來對肽段定性,再通過已定性的肽段來定量蛋白質(zhì)。在定量蛋白質(zhì)的過程中,譜圖計數(shù)法沒有使用一級譜圖信息。信號強度法只使用了己定性肽段在一級譜中對應(yīng)的信息,因而無標(biāo)定量算法中大量一級譜的肽段強度信息沒有被使用。本文是基于信號強度法來研究如何能更有效的利用一級譜圖中的信息定量蛋白質(zhì)。為了解決這個問題,本研究建立了一個基于退火算法的蛋白質(zhì)定量流程,研究提高質(zhì)譜數(shù)據(jù)中的一級譜圖的利用效率。具體的創(chuàng)新性工作如下:1)本文首先實現(xiàn)一個肽段定量算法,并將該算法作為后續(xù)蛋白質(zhì)定量研究的框架。該算法包括了對一級譜圖的數(shù)據(jù)處理,... 

【文章來源】：華東師范大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１模擬退火算法流程圖??如圖２．１所示，模擬退火算法的步驟描述如下：??（１）初始化：初始溫度Ｔ、初始解狀態(tài)Ｓ、每個溫度Ｔ下算法迭代次數(shù)Ｌ；??８??

一種降溫束略，由＝?ａ?ｔｆｃ－ｉ知，ｋ?＝?ｔ〇?ａ?＝?，因此當(dāng)起始溫度Ｔ?＝??１００００，其溫度和迭代次數(shù)隨參數(shù)ａ的變化關(guān)系［４２］如圖２．２。由圖可知當(dāng)ａ值越??小時，溫度參數(shù)下降的越快。??溫度??八??１００００?ｋ??９０００??１０００????＞??〇?５?１０?１５?２０?迭代次數(shù)??圖２．２不同參數(shù)ａ下溫度和迭代次數(shù)的關(guān)系??２、新解產(chǎn)生策略??模擬退火算法中新解是由當(dāng)前解產(chǎn)生的，一般要求新解的產(chǎn)生方便、快捷而??且能簡化后續(xù)的計算。現(xiàn)在常用的新解產(chǎn)生方法是以當(dāng)前解為中心，在該中心的??臨域內(nèi)隨機挑選解空間內(nèi)的點。因此新解的隨機產(chǎn)生函數(shù)選擇對于算法的實現(xiàn)結(jié)??１０??

學(xué)碩士學(xué)位畢業(yè)論文?擇操作??從交換后的群體中通過選擇操作挑選出優(yōu)良的個體，使其作繁衍。選擇算子的作用是在群體中挑選出適應(yīng)性強的個體，本身的適應(yīng)函數(shù)值的大小。個體的適應(yīng)函數(shù)值越大，則被挑的概率就越大。選擇操作使得適應(yīng)性強的個體能夠存活下來，的原則。??異操作??就是在迭代過程中，個體的編碼有一定概率發(fā)生改變。變異個體的某些染色體編碼用其他的編碼代替。在算法實現(xiàn)中，的很低，通常在０．００１？０．０１之間。變異的方法稱為變異算子，有基本變異算子和逆轉(zhuǎn)變異算子等。??


本文編號：3270563