A Chance and Control-Based Multi-Population Genetic Algorithm for Solving Large-Scale Multiple Sequence Alignment Problem

Jun Hong

doi:10.1109/TCBBIO.2026.3664445

A Chance and Control-Based Multi-Population Genetic Algorithm for Solving Large-Scale Multiple Sequence Alignment Problem

2026-05-01

0

PRE

AI

DOI：10.1109/TCBBIO.2026.3664445

原文链接

原文求助

摘要

En 中文

多序列比对（MSA）是生物信息学中的一个基础性挑战，为解决众多计算生物学问题（如蛋白质结构预测和系统发育建模）奠定了基础。进化计算（EC）已被用于处理MSA问题，因其出色的能力能够发掘最优或近优解，并已提出多种基于EC的MSA方法。然而，现有基于EC的MSA方法的准确性可通过利用一种新颖的进化框架并设计符合MSA独特特性的进化算子来进一步提升。此外，随着序列长度和数量的增加，MSA问题规模扩大，使得现有基于EC的方法难以在合理时间内实现高精度。本文提出了一种基于机会与控制的多种群遗传算法（CC-MPGA），该算法将一种新颖的多种群框架与遗传算法（GA）相结合。此外，根据MSA问题的特性，设计了基于机会的交叉算子和基于控制的变异算子以提高精度。所提出的CC-MPGA在知名的Balibase基准和大规模ExtHomfam基准上进行了测试，并与多种MSA方法进行了比较。实验结果表明，CC-MPGA在精度和速度上达到了良好平衡，显示出其在处理大规模MSA问题上的有效性和高效性。

Keyword:

Multi-objective evolutionary algorithm (MOEA)

evolutionary computation (EC)

multiple sequence alignment (MSA)

A Chance and Control-Based Multi-Population Genetic Algorithm for Solving Large-Scale Multiple Sequence Alignment Problem

摘要

期刊

机构

引用论文