导读:本文包含了差异序列论文开题报告文献综述及选题提纲参考文献，主要关键词:降雨,差异序列信息熵,区域划分,遗传算法
差异序列论文文献综述
管耀宗,张继国,朱永忠[1]（2015）在《基于差异序列信息熵的降雨分区研究》一文中研究指出充分挖掘降雨变量语法信息,利用基于差异序列信息熵测度理论的遗传算法聚类分析方法,对淮河流域蚌埠站以上区域99个雨量站进行了分区研究。根据各子区域内雨量站降雨序列差异测度得到最优分区,从而使得降雨信息在区域内具有较大的同质性。最后,以插值精度为标准,将不分区的情况为参照对象,对2、4、8叁种分区结果进行校验,结果显示,相对于不分区,分区明显提升了降雨插值的精度。(本文来源于《水文》期刊2015年05期）
涂兰桂[2]（2013）在《基于低差异序列的搜索算法及其在SNP关联分析中的应用》一文中研究指出单核苷酸多态性(single nucleotide polymorphism，SNP)，主要是指在基因组水平上由单个核苷酸的变异所引起的DNA序列多态性。它数量多、分布广，而且被认为是不同个体在复杂性状以及常见疾病的易感性上产生差异的重要因素。最近的研究中还发现，多个SNP位点的联合对表型所做的影响，可能会远大于单个SNP各自对表形所做的影响，这一作用被称为上位作用。因此，研究上位作用的检测对于SNP与疾病的关联分析工作具有重大意义。目前SNP数据具有高维度和低样本量的特点，多位点联合使搜索空间变得更大，上位作用检测仍然是一个富有挑战性且未解决的问题。本文致力于上位作用检测工作中搜索算法的研究。通过研究多位点联合的搜索空间的性质和传统启发式搜索算法的原理和特点，结合低差异序列的几何分布特性，提出将低差异序列应用于搜索算法的思想。本文研究了低差异序列在搜索算法中的应用，并提出了一种新的基于低差异序列的搜索算法用于解决SNP关联分析问题，并在模拟数据集和真实数据集上对该算法以及其它两种算法进行实验，对结果进行了分析与评价。实验结果表明，与其它算法相比该算法在上位作用检测中更具优势，说明了该算法在启发信息比较少的搜索空间中具有比常规搜索算法更好的表现。(本文来源于《西安电子科技大学》期刊2013-01-01）
李敏惠,杨平,曹月青[3]（2006）在《几种差异序列分析方法的比较及其研究前景》一文中研究指出分离和鉴定不同生物基因的差异序列,有助于功能基因的分离,揭开物种间进化的规律,阐明某些疾病相关基因的作用机理。本文简述了几种近年来常用的筛选差异基因的方法,特别是最新发表的杂交监控差异分析法(HMDA)的原理、适用范围及其特点,重点探讨了HMDA法在真核基因组差异序列筛选中的技术性突破及其研究前景。(本文来源于《生物技术通讯》期刊2006年06期）
曹月青[4]（2005）在《鉴定不同基因组之间差异序列的新方法研究》一文中研究指出鉴别不同生物基因组的差异及其序列信息,有助于揭开物种间进化的规律,对于分子层面上的物种进化研究具有重要意义。对于近源物种,鉴定不同基因组之间差异序列,可以阐明与某些重要性状形成有关的基因,以及这些基因如何发挥作用。对于亲源关系较远的物种,差异序列可以作为构建进化树中的中间标记物种。如物种的全基因组测序完成后,可通过计算机进行数据库分析,直接找出物种间的差异。但对于基因组过于复杂的真核生物而言,目前难以对所有生物进行全基因组测序。近年来,出现了很多分离和鉴定物种之间差异序列的方法。这些方法大都是建立在差减杂交的基础上,基本原理是去除二者之间的共有序列,使差异序列得到富集。差减是否彻底是差减杂交能否成功的瓶颈,因此如何判断差减是否完成成为差减杂交最值得关注的问题。但现有的差异分析方法中,尚无有效的措施监控杂交过程,容易造成高假阳性。代表性差示分析(representative difference analysis,RDA)将“动力富集”引入PCR 为基础的差减杂交,但这种方法过于烦琐,操作不当容易产生高假阳性。同时由于差减后,差异片段与过量的driver DNA混杂在一起,使得PCR扩增差异片段时的模板DNA 的复杂度大大增加,大大降低了差异片段的扩增效率,导致覆盖率的降低,因此本方法通常用于两个差异极小的基因组或基因的差异表达。以抑制PCR 为基础的抑制消减杂交(suppression subtractive hybridization,SSH),被认为是目前分析基因组差异最有效的方法,已成功用于简单基因组差异分析和差异表达研究。但因没有合适的杂交对照,很难用于复杂基因组之间的差异分析,尽管Clontech公司生产的SSH试剂盒可以监控杂交过程,但因对照系统并不能真实反映样品的杂交条件,如DNA 样品的复杂度、浓度、质量。这些缺点使其很难判断杂交进程,容易造成假阳性。由于现有方法存在很大缺陷,对于差异多、基因组复杂的真核生物而言效果并不理想。本研究中,建立了一种分析复杂基因组之间差异序列的方法—杂交监控差异分析法(hybridization monitored differential analysis,HMDA)。在消减杂交的基础上引入了一种杂交监控体系,可以对整个杂交过程进行全过程监控。本方法是一种建立在PCR基础上的固相消减杂交,主要内容包括:待比较的两个基因组分别称为tester 和driver,将driver 固定在直径为6mm正电荷尼龙膜上,与液相中连接有接头的tester 杂交。通过与固定在杂交膜上的driver 杂交,可去除tester DNA 中的共有序列,差异序列逐渐被富集。每轮杂交结束后,更换新的固定有driver 的杂交膜。当在tester 中,PCR 检测不到共有序列时,杂交结(本文来源于《重庆大学》期刊2005-05-08）
高崇明,李益勋,程乾生,周小波[5]（1998）在《差异序列聚类算法在四膜虫遗传分析中的应用》一文中研究指出用差异序列聚类算法分析了上海四膜虫叁株克隆间期细胞大核ＤＮＡ含量变动规律，讨论了调节大核ＤＮＡ量在一定阈值内的可能机制，说明序列聚类算法具有普遍的生物学意义(本文来源于《北京大学学报(自然科学版)》期刊1998年06期）
程乾生[6]（1994）在《一种新的样品聚类方法——差异序列法》一文中研究指出现有的有序样品的聚类方法叫Fisher算法.Fisher算法在计算每一类的直径时,没有考虑样品的有序性.针对样品的有序性,本文提出一种新的有序样品的聚类方法——差异序列法.先考虑每一个样品和它下一个样品之间的差异度,然后从整体上考虑差异度,选择出用于聚类的分割点.该方法计算简单,结果直观.最后我们用一个例子说明该方法的有效性.(本文来源于《科学通报》期刊1994年02期）
程乾生[7]（1993）在《有序样品聚类的差异序列法》一文中研究指出本文借助于两个样品之间的差异度和有序样品的差异序列两个概念,提出了有序样品聚类的差异序列法法。聚类数和分割点可以容易地由差异序列法获得。对某些无序样品,也可以应用差异序列法。叁个例子说明,差异序列法是简单,有效的。(本文来源于《北京大学学报(自然科学版)》期刊1993年05期）
孙奕[8]（1988）在《健康等级差异序列》一文中研究指出健康是一个很难定义的概念,人的健康状况最好用一种等级差异序列来描述,把人的健康状况分(本文来源于《国外医学(社会医学分册)》期刊1988年01期）
差异序列论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
单核苷酸多态性(single nucleotide polymorphism，SNP)，主要是指在基因组水平上由单个核苷酸的变异所引起的DNA序列多态性。它数量多、分布广，而且被认为是不同个体在复杂性状以及常见疾病的易感性上产生差异的重要因素。最近的研究中还发现，多个SNP位点的联合对表型所做的影响，可能会远大于单个SNP各自对表形所做的影响，这一作用被称为上位作用。因此，研究上位作用的检测对于SNP与疾病的关联分析工作具有重大意义。目前SNP数据具有高维度和低样本量的特点，多位点联合使搜索空间变得更大，上位作用检测仍然是一个富有挑战性且未解决的问题。本文致力于上位作用检测工作中搜索算法的研究。通过研究多位点联合的搜索空间的性质和传统启发式搜索算法的原理和特点，结合低差异序列的几何分布特性，提出将低差异序列应用于搜索算法的思想。本文研究了低差异序列在搜索算法中的应用，并提出了一种新的基于低差异序列的搜索算法用于解决SNP关联分析问题，并在模拟数据集和真实数据集上对该算法以及其它两种算法进行实验，对结果进行了分析与评价。实验结果表明，与其它算法相比该算法在上位作用检测中更具优势，说明了该算法在启发信息比较少的搜索空间中具有比常规搜索算法更好的表现。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
差异序列论文参考文献
[1].管耀宗,张继国,朱永忠.基于差异序列信息熵的降雨分区研究[J].水文.2015
[2].涂兰桂.基于低差异序列的搜索算法及其在SNP关联分析中的应用[D].西安电子科技大学.2013
[3].李敏惠,杨平,曹月青.几种差异序列分析方法的比较及其研究前景[J].生物技术通讯.2006
[4].曹月青.鉴定不同基因组之间差异序列的新方法研究[D].重庆大学.2005
[5].高崇明,李益勋,程乾生,周小波.差异序列聚类算法在四膜虫遗传分析中的应用[J].北京大学学报(自然科学版).1998
[6].程乾生.一种新的样品聚类方法——差异序列法[J].科学通报.1994
[7].程乾生.有序样品聚类的差异序列法[J].北京大学学报(自然科学版).1993
[8].孙奕.健康等级差异序列[J].国外医学(社会医学分册).1988