6、机器学习在生物信息学研究中的影响

机器学习在生物信息学研究中的影响

1. 序列比对结果展示

在生物信息学研究中，有两个关键的序列比对结果展示步骤：
- 步骤 11 ：显示查询序列的 Smith - Waterman 带空位局部比对序列，并展示匹配的生物数据库序列。早期版本的 BLAST 显示未映射的比对序列和高片段对序列，而高级版本 BLAST2 则显示带有空位的单个比对序列，这些空位可能包含高片段对区域。
- 步骤 12 ：通知每个得分低于阈值的匹配。

2. 机器学习技术的作用

2.1 监督学习

监督学习是机器学习中最常用的方法。它通过训练数据集来监督系统模型进行预测。训练数据集通常包含已知的输入和预期输出的样本数据，其中的数据对象被称为样本点，这些样本点相互独立。训练数据集表示为 D = {(X1, C1), …, (Xn, Cn)}，其中 (Xi, Ci) 是数据集 D 的样本点，每个样本点都与一组描述特征（特征集）{X1, …, Xd} 相关联，Ci 表示感兴趣的类别。通常，数据集按 70% 作为训练集，30% 作为测试集进行划分。在监督学习过程中，会检查模型是否做出正确预测，并在测试数据集时进行改进，正确预测的比例体现了模型的效率。

2.2 无监督学习

无监督学习适用于结果模式未知的情况，也称为聚类。它根据数据的相似性对输入数据集进行划分，将具有相似元素的数据分组在一起。与监督学习不同，无监督学习事先不知道不同的类别，而是根据相似性创建类别。训练样本 D 表示为 {X1, …, Xn}，特征集表示为 Xi = {x1, …, xd}，每个