基于全相位數(shù)字信號處理的基因識別算法研究.pdf

1、DNA序列是遺傳物質(zhì)的載體，它由四種堿基按照一定順序組合而成。在一整段DNA序列中，只有其中一部分能夠被編碼成蛋白質(zhì)，稱為基因的外顯子。而不能被編碼成蛋白質(zhì)的序列稱為內(nèi)含子。基因識別算法的目的是從未知的DNA序列中檢測出有效的外顯子片段。
　　本文通過信號處理的方法檢測未知基因中的編碼區(qū)的位置。對基因信號做數(shù)字信號處理的第一個步驟是對DNA序列做數(shù)值映射，通過數(shù)值映射將符號序列轉(zhuǎn)化為相應的數(shù)值序列，然后通過信號處理方法分析其頻域特

2、性。由于基因編碼區(qū)的頻譜具有三周期性，這種性質(zhì)通常是由編碼區(qū)密碼子的偏性造成的。故可以由此特征來識別基因的外顯子與內(nèi)含子。
　　針對DNA序列的數(shù)值映射問題，本文分析并研究了DNA序列的幾種常用的數(shù)值映射。在三種最常用的且物理意義較明確的數(shù)值映射下，推導了DNA序列功率譜與信噪比的快速算法。討論了三者之間的相互關系，并給出了矩陣形式的閉式表達式。
　　針對基因識別問題，傳統(tǒng)的譜分析方法對數(shù)據(jù)進行截斷時會造成頻譜泄露，影響基因

3、識別的準確度。為了減少頻譜泄露，抑制背景噪聲，本文將全相位數(shù)字信號處理技術應用到基因識別算法中。此項技術通過對原始數(shù)據(jù)進行全相位數(shù)據(jù)預處理，保持數(shù)據(jù)截斷后首尾波形的連續(xù)，因而極大程度上減少了截斷效應。本文針對基因識別算法設計相應的全相位FFT譜分析結(jié)構(gòu)，以此來提取出基因內(nèi)部的三周期信號，達到對基因外顯子準確預測的目的。同時將多采樣率信號處理模型與譜分析結(jié)構(gòu)相結(jié)合，在減少計算量的同時可實現(xiàn)流水線操作。
　　為了進一步提取DNA序列中