測(cè)序芯片中的高密度分子點(diǎn)陣的圖像處理.pdf

1、隨著人類(lèi)基因組計(jì)劃的完成，DNA測(cè)序開(kāi)始發(fā)揮其重要的作用。傳統(tǒng)的測(cè)序方法有：板凝膠電泳法和毛細(xì)管電泳法；新一代的測(cè)序方法有：雜交測(cè)序，合成測(cè)序和單分子測(cè)序。如何能夠快速、準(zhǔn)確、高通量的實(shí)現(xiàn)DNA測(cè)序是將來(lái)研究的重點(diǎn)?；蛐酒cDNA測(cè)序的結(jié)合，使得以上這些要求都將成為可能，而且可以大大降低成本。我們采用滾環(huán)擴(kuò)增方法制備測(cè)序模板，然后通過(guò)合成測(cè)序的方法進(jìn)行DNA序列的檢測(cè)。 在對(duì)測(cè)序芯片的研究過(guò)程中，需要生物信息學(xué)的分析，生物芯片

2、圖像處理即是這個(gè)過(guò)程中的一個(gè)重要部分。特別是對(duì)于不同生物芯片上的大量分子特征熒光點(diǎn)進(jìn)行識(shí)別、分析和配準(zhǔn)，一將特征點(diǎn)的灰度信息聯(lián)合起來(lái)，就可以得到待測(cè)DNA的序列。 本文主要針對(duì)芯片圖像分析中的算法進(jìn)行研究，對(duì)測(cè)序芯片的圖像處理，對(duì)分子特征熒光點(diǎn)進(jìn)行識(shí)別、分析和配準(zhǔn)。主要研究工作分為三個(gè)方面： (1) 對(duì)芯片圖像上特征點(diǎn)的提取，這里研究了兩大類(lèi)方法：邊緣提取和閾值分割，在不同的芯片圖像中采用不同的特征點(diǎn)提取的方法。邊緣提取

3、方法主要研究四種經(jīng)典算子：Sobel、Prewitt、LoG、Canny，由于圖像中噪聲比較明顯，背景并不均一，因此在沒(méi)有設(shè)定閾值的情況下，四種算法都不能有效的提取我們所處理的測(cè)序芯片中的特征點(diǎn)，對(duì)于不同閾值下的提取效果，這里采用了方差分析作為判斷標(biāo)準(zhǔn)，最后采用Canny算子提取圖像特征點(diǎn)。對(duì)于邊緣提取算法不適合的圖像，采用直接閾值分割的方法，這里的閾值采用迭代閾值的方法進(jìn)行計(jì)算，并且發(fā)現(xiàn)將圖像分割為若干子圖像再進(jìn)行直接閾值分割更為合適

4、； (2) 對(duì)圖像的特征點(diǎn)提取以后，計(jì)算圖像特征點(diǎn)的質(zhì)心，也就是特征點(diǎn)的灰度中心，作為特征點(diǎn)的唯一標(biāo)識(shí)； (3) 由于測(cè)序是個(gè)動(dòng)態(tài)過(guò)程，因此需要對(duì)一系列圖像進(jìn)行配準(zhǔn)，這里采用了互信息配準(zhǔn)的方法，此方法不需要考慮整個(gè)圖像中每個(gè)點(diǎn)的輪廓外型等信息，只需要考慮整個(gè)圖像的灰度信息，這對(duì)于我們所處理高密度點(diǎn)陣圖像比較合適，這里將圖像進(jìn)行平移旋轉(zhuǎn)，計(jì)算待配準(zhǔn)圖像與固定圖像之間的互信息值，從中得到最佳的互信息值，也就是最匹配的變化。