DNA大分子是什么样子?

     请看下图:

           这是DNA双螺旋结构(double helix)的示意图。图的右上方注明,DNA大分子是由氢(H)、氧(O)、氮(N)、碳(C)与磷(P5种化学元素构成,缺少一种元素,就没有生命可言。图的右下方注明,DNA大分子是由许多所谓”基对”“(Basepairs)构成。“基对”很薄,只有0.34纳米(Nano)。一般而言,DNA大分子很长,由30亿个“基对”组成,长度为一米左右,宽度只有2纳米,很细,很细。利用一般高倍电子显微镜是观察不到DNA的任何踪迹,所以,没有专用转基因设备,搞转基因研究是一句空话,不能一窝蜂上马。

              科学家发现,“基对”只有4种类型:ACGT,字母的意思并不重要,只要能够相互区分开来就行。人类DNA大分子上有34个“基对”,排列有序,如同天书,其中包含无数秘密。由于量子效应,DNA会发生突变,使人生所谓“基因病”,很难治愈。

              地球上,如果缺少氮(N)元素就不会出现生命现象。由于火星大气层缺少氮元素,所以没有生命迹象。

             说明:自古以来,DNA尺寸恒定不变,利用基因合成技术,合成花皮肤人种是完全可能的,就怕花皮肤姑娘嫁不出去。

袁萌25


先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值