杨汉铭

摘 要：原核生物基因识别属于生物信息学的范畴，作为一门交叉性的学科，生物信息学中融入了对生物信息的解释、分析、分发、存储、处理和获取等多方面的内容，利用生物学、计算机科学和数学等工具，对大量数据中包含的生物学意义进行理解和阐述。通过分析DNA序列，有效分析蛋白质中非编码和编码序列的特征，以期提升蛋白质编码基因的识别率。简要阐述原核基因组中ORF及基因的结构特征，尝试提取描述基因特征的参量，通过分析重叠基因，有效设计自训练识别原核生物基因算法。

关键词：原核生物；基因识别；结构特征；蛋白质编码

中图分类号：Q93-33 文献标识码：A DOI：10.15913/j.cnki.kjycx.2017.01.038

在生物信息学领域中，基因识别是一项重要内容，通过分析基因序列，能够提取基因特征结构信息，得到相应的理论模型，设计识别算法，从而实现对计算机辅助基因的识别。在基因识别中，主要识别RNA基因、蛋白质编码基因。过去，采用生物学实验的方法确定基因及其结构，存在费用高、周期长等问题。因此，采用非实验的方法定位基因，确定基因结构，具有十分重要的意义。

1 Fisher判别法

过去，应用统计模式识别方法存在的一个问题，就是特征数或维数问题。基于此，逐渐产生了一种能够将特征空间维数降低的方法，其中一种较为常用的方法就是Fisher线性判别法。在这种方法中，在一条过原点的直线上投影d维空间的所有模式，从而形成在一起聚合的一个群，其在一维直线上可能存在混杂的投影。……