仿生模式识别在细菌基因组水平转移基因预测中的应用

水平转移基因的预测对于生物进化过程的理解和物种之间遗传物质进行定性和定量的估计都有重要的意义。本文提出一种利用仿生模式识别原理来对细菌基因组水平转移基因进行预测的方法。仿生模式识别是基于同调连续性原理--特征空间中同类样本的连续性特性,强调用"认识"模式取代传统的模式"分类"与划分,它更接近于人类"认识"事物的特性。仿生模式识别理论已经成功应用于多镜头人脸身份确认,人脸识别,图像复原,语音识别等领域。我们采用超香肠神经元网络对水平转移基因进行识别,结果显示,仿生模式识别方法优于目前预测结果最好的八联核苷酸频率的打分算法,和基于支撑向量机的识别算法。特别是在对大肠杆菌(Escherichia coli K12)基因组,识别率分别提高了42.3%和30.5%。