生物分類系統的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

植基於機器學習在不同物種串聯重複序列之系統生物學分析

為了解決生物分類系統的問題，作者郭仲翊 這樣論述：

串聯重複序列(Tandem Repeats)在遺傳學中常常被使用，最被人熟知的用途是作為分子遺傳標記的研究，群體間和不同個體間通常表現出很高的序列變異性，並且這種變異呈現共顯性遺傳，因而廣泛應用於遺傳多樣性分析。遺傳和物種演化是有密切關係的，生物皆是由共同祖先一代一代遺傳、變異，最後慢慢演化成現有的不同物種，這代表在這些物種的遺傳訊息中可能藏有祖先的資訊，而這訊息就很可能存在於串聯重複序列裡。同時，將物種分類的分類依據能代表者同一類生物共同祖先的特性，而這特性應該也同樣存在於串聯重複序列中，因此本研究針對串聯重複序列和物種分類進行分析，期望能藉此間接找出串聯重複序列和演化的關聯性。本研究使用

之資料集為自行蒐集整理National Center for Biotechnology Information(NCBI)的Genome 資料庫中已經被定序且完成度為Complete、Chromosome的基因組資料，其中根據生物分類學的分類系統，從中挑選出12個不同的門之物種，共選出80個不同物種的基因組資料。利用尋找重複序列的工具找出所有串聯重複序列的模型後，藉由變異數分析和資訊獲利比兩種特徵選取方法，篩選出具有意義及代表性的串聯重複序列模型，最後在使用機器學習決策樹演算法-C4.5和CART建置分類模型來探究串聯重複序列作為物種分類的可行性。本研究所建構的分類模型能將除了古菌外的細菌、

原生生物界、真菌界、動物界、植物界的物種正確的分類出來，這代表利用串聯重複序列作為物種分類的分類標準是有不錯的效果的。