创作中心
反馈咨询
欢迎添加微信!
微信号:z_gqing
微信二维码:

生物信息算法

1 生物信息算法基础知识 1.1 生物学基础知识:包括分子生物学、遗传学、生物化学等基础知识。 1.2 计算机科学基础:包括数据结构、算法分析与设计、编程语言等基础知识。 1.3 数学与统计学基础:包括概率论与数理统计、线性代数、矩阵论等基础知识。 2 生物信息学基础算法 2.1 序列比对算法 2.1.1 Smith-Waterman 算法 2.1.2 Needleman-Wunsch 算法 2.2 多序列比对算法 2.3 蛋白质结构预测算法 2.3.1 同源建模方法 2.4 核酸序列组装算法 2.4.1 Overlap-layout-consensus (OLC) 方法 3 高级生物信息学算法 3.1 基因表达数据分析算法 3.1.1 微阵列数据分析算法 3.1.2 RNA-seq 数据分析算法 3.2 基因调控网络构建算法 3.2.1 基于图的算法 3.2.2 基于贝叶斯网络的算法 3.3 单细胞测序数据分析算法 3.3.1 单细胞转录组数据分析算法 3.3.2 单细胞ATAC-seq数据分析算法 3.4 生物医学文本挖掘算法 3.4.1 文本分类算法 3.4.2 关系抽取算法 4 生物信息算法实践项目 4.1 序列比对工具的实现 4.2 多序列比对工具的实现 4.3 蛋白质结构预测工具的实现 4.4 核酸序列组装工具的实现 4.5 基因表达数据分析工具的实现 4.6 基因调控网络构建工具的实现 4.7 单细胞测序数据分析工具的实现 4.8 生物医学文本挖掘工具的实现 5 生物信息算法进阶学习 5.1 深度学习在生物信息学中的应用 5.2 生物大数据处理技术 5.3 生物信息学软件开发和优化 5.4 生物信息学前沿研究动态追踪
首页 教程 生物信息算法 Smith-Waterman 算法
Smith-Waterman 算法是一种用于生物信息学的局部比对算法,由 Temple Smith 和 Michael Waterman 在1981年提出。它主要用于找出两个DNA或蛋白质序列中最相似的部分。 该算法的基本思想是通过比较两个序列中的每一个字符,来计算它们的相似度得分。这个得分可以是基于字母替换(例如A到T在DNA中是一个合理的替换)的得分,也可以是基于其他特征(如氨基酸的化学性质)的得分。然后,算法会使用一个称为“子矩阵”的方法来追踪最高的得分路径。 具体来说,算法首先创建一个二维表格,其中行和列分别对应两个要比较的序列。然后,对于表格中的每一个单元格,算法都会计算出其左上角、上方和左侧单元格的得分,并选择最高得分作为当前单元格的得分。同时,如果当前单元格的得分低于某个阈值,那么就将其设置为0,以避免低质量的匹配影响结果。 最后,算法会回溯到最高得分的单元格,沿着得分最高的路径一直回溯到起点,从而得到两个序列中最相似的部分。 总的来说,Smith-Waterman 算法是一种强大的工具,可以帮助生物学家找到基因或蛋白质序列中的相似性,从而推断出它们可能的功能或进化关系。

官方微信
点击收藏 编辑日记
木牛零码 Newmer生信 公司产品 意见反馈 联系我们 关于我们 招合伙-招聘-兼职
Copyright © 2021-2024 上海牛马人生物科技有限公司 沪ICP备 2022007390号-2