[发明专利]基于遗传算法和隐马尔可夫模型的CpG岛识别方法、装置

权利要求书

1.一种基于遗传算法和隐马尔可夫模型的CpG岛识别方法，其特征在于，包括以下步骤：

1)获取多个包括有基因元素的染色体，每一基因元素均采用实数表示，多个染色体构成一组隐马尔可夫模型参数；

2)采用适应度函数确定所述每一染色体的适应度值，所述适应度值用来表示染色体优劣程度；

3)采用遗传算法，根据所述适应度值，对所述染色体执行寻优过程，然后再重新确定寻优后的染色体适应度值；

4)迭代适用步骤3)，当满足设定终止条件后，输出最优隐马尔可夫模型参数；

5)采用输出的最优隐马尔科夫模型参数，在给定观察序列的基础上，确定生成所述观察序列的最大概率隐藏状态序列，用来表示CpG岛的位置。

2.根据权利要求1所述的方法，其特征在于，采用Viterbi算法确定生成所述观察序列的最大概率隐藏状态序列。

3.根据权利要求2所述的方法，其特征在于，所述Viterbi算法确定生成所述观察序列的最大概率隐藏状态序列包括：

根据所述观察序列中每个碱基状态对应的一个局部概率和一个局部最佳路径，通过隐藏状态的初始概率和对应的观察概率之积，选择当前时刻最大局部概率及其对应的局部最佳路径，按照当前时刻的局部最佳路径进行回溯，得到CpG岛的位置识别结果。

4.根据权利要求1所述的方法，其特征在于，所述遗传算法包括选择操作、交叉操作和变异操作，通过依次采用选择操作、交叉操作和变异操作，对所述染色体执行寻优。

5.根据权利要求4所述的方法，其特征在于，所述选择操作包括：根据每一染色体的适应度值，选择适应度值满足遗传需求的染色体进行遗传，删除未被选中的染色体。

6.根据权利要求5所述的方法，其特征在于，所述交叉操作包括：在所述适应度值满足遗传需求的染色体中，选择适应度值较优的部分染色体作为父代，在相邻两个父代染色体之间进行交叉操作，产生子代染色体。

7.根据权利要求6所述的方法，其特征在于，所述变异操作包括：在所述子代染色体中，首先确定基因变异位点，根据设定的突变率，改变所述基因变异位点的基因值。

8.根据权利要求1所述的方法，其特征在于，所述适应度函数为：

通过调整中训练数据集中CpG岛的个数，就可以调整适应度函数的复杂度。

9.一种计算机存储介质，存储有多条指令，其特征在于，所述指令适于由处理器加载并执行以下处理：

1)获取多个包括有基因元素的染色体，每一基因元素均采用实数表示，多个编码染色体构成一组隐马尔可夫模型参数；

2)采用适应度函数确定所述每一染色体的适应度值，所述适应度值用来表示染色体优劣程度；

3)采用遗传算法，根据所述适应度值，对所述染色体执行寻优过程，然后再重新确定寻优后的染色体适应度值；

4)迭代适用步骤3)，当满足设定终止条件后，输出最优隐马尔可夫模型参数；

5)采用输出的最优隐马尔科夫模型参数，在给定观察序列的基础上，确定生成所述观察序列的最大概率隐藏状态序列，用来表示CpG岛的位置。

10.一种基于遗传算法和隐马尔可夫模型的CpG岛识别装置，包括处理器，用于实现各指令；以及计算机存储介质，用于存储多条指令，其特征在于：所述指令适于由处理器加载并执行以下处理：

1)获取多个包括有基因元素的染色体，每一基因元素均采用实数表示，多个编码染色体构成一组隐马尔可夫模型参数；

2)采用适应度函数确定所述每一染色体的适应度值，所述适应度值用来表示染色体优劣程度；

3)采用遗传算法，根据所述适应度值，对所述染色体执行寻优过程，然后再重新确定寻优后的染色体适应度值；

4)迭代适用步骤3)，当满足设定终止条件后，输出最优隐马尔可夫模型参数；

5)采用输出的最优隐马尔科夫模型参数，在给定观察序列的基础上，确定生成所述观察序列的最大概率隐藏状态序列，用来表示CpG岛的位置。