蛋白質(zhì)序列相似性分析的幾種數(shù)學(xué)方法.pdf

1、浙江理工大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過(guò)的研究成果，也不包含為獲得浙江理工大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示謝意。學(xué)位論文作者簽名：孑L務(wù)簽字日期：2I)I了年J月27日摘要近年來(lái)，隨著新一代高通量測(cè)序技術(shù)的出現(xiàn)，產(chǎn)生了越

2、來(lái)越多的分子序列數(shù)據(jù)。面對(duì)海量的數(shù)據(jù)，如何對(duì)這些數(shù)據(jù)進(jìn)行科學(xué)的分類、處理、分析和儲(chǔ)存，給數(shù)學(xué)、計(jì)算機(jī)科學(xué)提出了嚴(yán)峻的挑戰(zhàn)，生物學(xué)研究的重點(diǎn)開始由數(shù)據(jù)積累向數(shù)據(jù)分析和解釋轉(zhuǎn)變，計(jì)算生物學(xué)便在這種背景下應(yīng)運(yùn)而生。其中，生物大分子序列和結(jié)構(gòu)的比較是最基本、最重要的課題之一，對(duì)生命科學(xué)的研究具有深遠(yuǎn)的影響。近二十多年來(lái)，DNA和蛋白質(zhì)序列的數(shù)學(xué)描述是研究生物序列的一條有效途徑，各種與之對(duì)應(yīng)的數(shù)值刻畫及相似性分析比較模型也相繼提出。總的來(lái)說(shuō)，現(xiàn)有

3、模型仍存在某些缺陷和問(wèn)題，比如算法復(fù)雜度高、具有退化性、信息單一、知識(shí)表達(dá)能力較弱等。因此，提出計(jì)算上簡(jiǎn)單可行的、適用于較長(zhǎng)序列的數(shù)值刻畫量，并將其擴(kuò)展應(yīng)用于生物信息學(xué)的其他領(lǐng)域，是幾何表示模型的一個(gè)很有發(fā)展前景的課題：將多個(gè)模型有效加權(quán)結(jié)合起來(lái)，開發(fā)混合模型，是提高模型提取序列、結(jié)構(gòu)所攜帶信息的一條有效途徑。論文在蛋白質(zhì)序列的圖形表示、數(shù)值刻畫、相似性分析和進(jìn)化樹的構(gòu)造等方面進(jìn)行研究，主要研究?jī)?nèi)容和結(jié)果如下：(1)基于氨基酸的幾個(gè)重要

4、理化性質(zhì)，給出了一種蛋白質(zhì)序列的3D圖形表示，圖形坐標(biāo)具有直接的生物學(xué)意義，能反映蛋白質(zhì)的結(jié)構(gòu)和功能信息。然后，引入了一種相適的物理學(xué)概念，轉(zhuǎn)換到一種新的矩陣表示，并運(yùn)用混合模型的描述子方法對(duì)蛋白質(zhì)序列進(jìn)行相似性比較。對(duì)9個(gè)物種ND5蛋白的相似性分析結(jié)果展示了方法的有效性。(2)提出了序列處理的片段分割法(SSM)。對(duì)于特別長(zhǎng)的蛋白質(zhì)序列，通過(guò)給出某種序列分割規(guī)則，將序列分割為若干子段序列，對(duì)應(yīng)于圖形中的多個(gè)圖形片段，通過(guò)對(duì)分割后的序列

5、圖形片段分析，整合得到原來(lái)序列的信息。以12種桿狀病毒的解旋酶蛋白為例，運(yùn)用SSM比較、分析序列的差異性并構(gòu)建進(jìn)化樹，結(jié)果與已知的進(jìn)化信息一致。這種改進(jìn)后的方法計(jì)算復(fù)雜度僅為叫Ⅳ)。(3)依據(jù)氨基酸的6種重要理化性質(zhì)，分別將蛋白質(zhì)序列簡(jiǎn)化為特征序列。統(tǒng)計(jì)序列元素在特征序列中的分布情況，對(duì)應(yīng)求出子串的‘實(shí)際分布’與‘理論分布’。相對(duì)熵作為計(jì)算理論分布與實(shí)際分布的差異度量，將蛋白質(zhì)序列轉(zhuǎn)化為理化性質(zhì)描述子向量。結(jié)果顯示該方法可以有效的應(yīng)用于