本科畢業(yè)答辯演講稿(使用遺傳算法從蛋白質(zhì)質(zhì)譜數(shù)據(jù)提取特征)

1、尊敬的各位老師： 大家上午好！我叫XX，本次論文指導(dǎo)老師是XX老師，我選的畢業(yè)論文題目是使用遺傳算法從蛋白質(zhì)質(zhì)譜數(shù)據(jù)提取特征，下面我先匯報(bào)一下自己選擇這篇論文的動(dòng)機(jī)以及基本寫作思路。重所周知，蛋白質(zhì)是遺傳物質(zhì)的直接反映者，通過(guò)對(duì)蛋白質(zhì)所反映出的特征進(jìn)行分析，能夠準(zhǔn)確地判斷出生物體的一些特征，如是否具有癌癥性狀。但是蛋白質(zhì)所反映出的信息成千上萬(wàn)，在對(duì)數(shù)據(jù)進(jìn)行分析之前，必須先知道哪個(gè)才是對(duì)我們做出判斷有決定性作用的，哪個(gè)是與我們所研究的方面無(wú)關(guān)的，這就是論文中提到的特征提取。例如，這次論文中所選取的例子，是121卵巢癌癥患者和95例對(duì)照的樣本收集，針對(duì)每個(gè)樣本有15000個(gè)質(zhì)譜數(shù)據(jù)，編寫程序的目的

2、，就是通過(guò)遺傳算法，決定出哪20個(gè)質(zhì)譜數(shù)據(jù)能夠?qū)ε袛嗍欠袷前┌Y患者起決定性作用?，F(xiàn)在，我來(lái)陳述本篇論文的結(jié)構(gòu)，主要內(nèi)容分為三個(gè)部分：蛋白質(zhì)質(zhì)譜，遺傳算法，特征提取的程序?qū)崿F(xiàn)。蛋白質(zhì)質(zhì)譜是蛋白質(zhì)分子經(jīng)過(guò)質(zhì)譜儀分析而得的數(shù)據(jù)。首先，被分析樣品的氣態(tài)蛋白質(zhì)分子，在高真空中受到高速電子流或其它能量形式的作用，失去外層電子生成分子離子，或進(jìn)一步發(fā)生化學(xué)鍵的斷裂或重排，生成多種碎片離子。然后，將各種離子導(dǎo)入質(zhì)量分析器，利用離子在電場(chǎng)或磁場(chǎng)中的運(yùn)動(dòng)性質(zhì)，使多種離子按不同質(zhì)荷比m/e的大小次序分開，并對(duì)多種的離子流進(jìn)行控制、記錄，得到質(zhì)譜圖。最后，得到譜圖中的各種離子及其強(qiáng)度實(shí)現(xiàn)對(duì)樣品成分及結(jié)構(gòu)的分析。質(zhì)譜分

3、析具有如下優(yōu)點(diǎn)：很高的靈敏度，能為亞微克級(jí)試樣提供信息，能最有效地與色譜聯(lián)用，適用于復(fù)雜體系中痕量物質(zhì)的鑒定或結(jié)構(gòu)測(cè)定，同時(shí)具有準(zhǔn)確性易操作性快速性及很好的普適性。正因?yàn)橘|(zhì)譜法有這些優(yōu)點(diǎn)，所以分子量測(cè)定、氨基酸鑒定、蛋白質(zhì)序列分析及立體化學(xué)分析等。現(xiàn)在來(lái)看第二部分，遺傳算法。遺傳算法以達(dá)爾文的進(jìn)化論和Mendel的遺傳理論為基礎(chǔ)，將生物進(jìn)化過(guò)程中的適者生存法則和遺傳過(guò)程中的隨機(jī)配對(duì)交叉機(jī)制相結(jié)合，通過(guò)模擬生物進(jìn)化的過(guò)程和機(jī)制來(lái)搜索最優(yōu)解。從本質(zhì)上而言，遺傳算法是一種迭代算法，它通過(guò)逐次逼近來(lái)獲得問(wèn)題的近似最優(yōu)解。其主要特點(diǎn)是直接對(duì)結(jié)構(gòu)對(duì)象進(jìn)行操作，不存在求導(dǎo)和函數(shù)連續(xù)性的限定；具有內(nèi)在的隱并行

4、性和更好的全局尋優(yōu)能力；采用概率化的尋優(yōu)方法，能自動(dòng)獲取和指導(dǎo)優(yōu)化的搜索空間，自適應(yīng)地調(diào)整搜索方向，不需要確定的規(guī)則。遺傳算法的這些性質(zhì)，已被人們廣泛地應(yīng)用于組合優(yōu)化、信號(hào)處理、自適應(yīng)控制和人工智能計(jì)算中。在將數(shù)據(jù)載入算法之前,首先要對(duì)數(shù)據(jù)進(jìn)行編碼，成為可以被程序處理的數(shù)據(jù)，也就是二進(jìn)制串。應(yīng)遵循的準(zhǔn)則首先是完備性，也就是問(wèn)題空間中的所有點(diǎn)(候選解)都能作為GA空間中的點(diǎn)(染色體)表現(xiàn)。第二是健全性，就是GA空間中的染色體能對(duì)應(yīng)所有問(wèn)題空間中的候選解。第三是非冗余性(nonredundancy)，就是染色體和候選解一一對(duì)應(yīng)。在遺傳算法程序之中，會(huì)包含一個(gè)用于創(chuàng)建初始群體的函數(shù)，這個(gè)函數(shù)會(huì)在編碼

5、而成得可行解中隨機(jī)選擇成為第一代父本，進(jìn)行迭代。把這些假設(shè)的可行解置于問(wèn)題的“環(huán)境”中，并按適者生存的原則，從中選擇出較適應(yīng)環(huán)境的“染色體”進(jìn)行復(fù)制，再通過(guò)交叉、變異過(guò)程產(chǎn)生更適應(yīng)環(huán)境的新一代“染色體”群，這個(gè)過(guò)程就稱為迭代。適應(yīng)度，是表示某一個(gè)體對(duì)環(huán)境的適應(yīng)能力，也表示該個(gè)體繁殖后代的能力。遺傳算法的適應(yīng)度函數(shù)也叫評(píng)價(jià)函數(shù)，是用來(lái)判斷群體中的個(gè)體的優(yōu)劣程度的指標(biāo)，它是根據(jù)所求問(wèn)題的目標(biāo)函數(shù)來(lái)進(jìn)行評(píng)估的。適應(yīng)度函數(shù)是遺傳算法的核心，它決定了遺傳算法的進(jìn)化方向，也就是我們最后所得到的數(shù)據(jù)的特點(diǎn)，就是由適應(yīng)度函數(shù)來(lái)決定的。不同的程序是有不同的適應(yīng)度函數(shù)的。比如我的這次試驗(yàn)是要找出能夠?qū)ε袛嗍欠袷前?/p>

6、癥起決定作用的質(zhì)譜數(shù)據(jù)，那我的適應(yīng)度函數(shù)用了一個(gè)分類函數(shù)，按照質(zhì)譜數(shù)據(jù)對(duì)個(gè)體進(jìn)行分類，選出能夠使分類后兩組的真值分離最大化的作為特征質(zhì)譜。在程序中我用兩個(gè)語(yǔ)句把癌癥個(gè)體真值賦成，健康個(gè)體的真值為。迭代的核心在于三個(gè)關(guān)鍵詞復(fù)制、交叉、變異。遺傳算法的有效性主要來(lái)自復(fù)制和交叉操作，尤其是交叉在遺傳算法中起著核心的作用。復(fù)制操作有多種算法，最經(jīng)典的是輪盤賭算法，即將上一代種群中所有個(gè)體按適應(yīng)度值成比例的依次組成一個(gè)圓形的輪盤隨機(jī)轉(zhuǎn)動(dòng)輪盤，當(dāng)輪盤停下來(lái)時(shí)，指針?biāo)赶虻膫€(gè)體就是被選中的個(gè)體，由于適應(yīng)度值較高的個(gè)體所占的區(qū)域較大，被選中的概率也較高，保證了適應(yīng)度值較高的個(gè)體能在新的種群中產(chǎn)生較多的后代。交

7、叉算子有很多種，包括單點(diǎn)交叉、多點(diǎn)交叉、洗牌交叉等等。交叉操作分兩步實(shí)現(xiàn)。第一步是在群體中隨機(jī)抽取兩個(gè)個(gè)體，作為交叉操作的父?jìng)€(gè)體。第二步是隨機(jī)地選擇交叉點(diǎn)，對(duì)匹配的位串進(jìn)行交叉繁殖，產(chǎn)生一對(duì)新的位串。由于種群的個(gè)體有限，經(jīng)過(guò)若干代交叉操作，源于一個(gè)較好的祖先的個(gè)體會(huì)逐漸充斥整個(gè)種群，使問(wèn)題過(guò)早收斂而得不到最優(yōu)解。為避免這種情況出現(xiàn)，就要效法自然界生物的變異，對(duì)個(gè)體進(jìn)行小概率的翻轉(zhuǎn)（替換）。變異是由變異算子完成的，反映到數(shù)據(jù)上就比如原來(lái)的數(shù)據(jù)是一串，那么我把它的某位變成，就完成了最簡(jiǎn)單的變異過(guò)程。決定迭代進(jìn)行到什么程度的就是收斂條件。有很多種收斂條件，如時(shí)間限制，就是我進(jìn)行多少代之后就停止迭代。

8、再比如精度限制，當(dāng)個(gè)體適應(yīng)度的方差或標(biāo)準(zhǔn)差低于一定的數(shù)值時(shí)停止迭代，或者適應(yīng)度限制，當(dāng)連續(xù)幾代最優(yōu)個(gè)體的適應(yīng)度沒(méi)有明顯變化時(shí)終止算法。在本次實(shí)驗(yàn)中采取的是時(shí)間限制。這是一張遺傳算法的圖解，它很直觀地表示出了遺傳算法的步驟。這里的初始條件就是收斂條件，我的論文里選的是時(shí)間收斂，設(shè)置迭代次數(shù)為50次，沒(méi)到次數(shù)就會(huì)一直迭代。然后是計(jì)算個(gè)體適應(yīng)值，這里用到適應(yīng)度函數(shù)。這是為下步的選擇做準(zhǔn)備的。然后用概率來(lái)選擇遺傳算子。比如變異的概率是百分之一，也就是500例個(gè)體中有5個(gè)變異的個(gè)體，則從適應(yīng)度高的個(gè)體中選出5個(gè)，對(duì)它運(yùn)用變異算子。其他個(gè)體進(jìn)行交叉或者直接復(fù)制到下一代。然后再回到第二步進(jìn)行收斂檢驗(yàn)。最后一

9、部分主要內(nèi)容就是程序設(shè)計(jì)了。由于ppt篇幅的關(guān)系我沒(méi)有把所有程序都列舉出來(lái)。程序一共分為6個(gè)部分，數(shù)據(jù)加載到matlab，創(chuàng)建初始種群，創(chuàng)建適應(yīng)度函數(shù)，創(chuàng)建選擇結(jié)構(gòu)，調(diào)用遺傳算法，顯示被選擇特征。我選擇了數(shù)據(jù)加載和調(diào)用遺傳算法兩部分解釋一下。Load語(yǔ)句將數(shù)據(jù)加載至matlab，whos是顯示出數(shù)據(jù)名和類型。從輸出可以看出，一共有216組數(shù)據(jù)，每組有15000個(gè)質(zhì)譜數(shù)據(jù)。下面看看主程序的調(diào)用。Rand是隨機(jī)產(chǎn)生均勻分布的隨機(jī)數(shù)， randn是隨機(jī)產(chǎn)生正態(tài)分布的隨機(jī)數(shù)，這兩個(gè)隨機(jī)數(shù)是在調(diào)用之前必須設(shè)置的。設(shè)置所需的特征數(shù)目。設(shè)置適應(yīng)度函數(shù)以便下步調(diào)用。而之前已經(jīng)編寫好了適應(yīng)度函數(shù)biografit。函數(shù)的參數(shù)有三個(gè)，分別是適應(yīng)度、特征數(shù)目和選擇結(jié)構(gòu)。這個(gè)選擇結(jié)構(gòu)中包含了設(shè)置好的初始群體創(chuàng)建函數(shù)，迭代次數(shù)，每代得人口增加數(shù)等。的返回值是一個(gè)下標(biāo)，然后把對(duì)應(yīng)的質(zhì)譜數(shù)據(jù)存入Significant_Masses。函數(shù)的