基于改进的神经网络的RNA二级结构预测 (2014年)

在生物信息学中,存在一个热点问题为RNA二级结构预测,通过计算机仿真模拟和数学建模计算来“预测”这些结构信息具有较好的参考价值以及可信度,能够节省大量的时间与成本.本文提出了免疫算法与Hopfield神经网络算法相结合的IA- DHNN算法对RNA二级结构进行预测.算法采用相似距离函数、IA算法及k均值算法对神经元的初始值进行优化,提高了全局搜索能力,能简单、快速规范的获得最优解.仿真结果表明,本算法能够有效的对RNA二级结构进行预测,有较好的的预测效果.