基因序列與結構的信息分析及應用算法研究.pdf

1、隨著人類基因組研究的重點向功能基因組轉化,“海量”的生物數(shù)據(jù)為生命科學研究提供了廣闊前景,同時也對現(xiàn)有的生物數(shù)據(jù)處理能力提出了嚴峻挑戰(zhàn)。如何從浩如煙海的生物序列數(shù)據(jù)中挖掘出有價值的生物信息,以獲取基因、蛋白質結構、功能和進化等理性知識是生物信息學研究的主要目的。因此基因序列與結構的信息分析是生物信息學的一個非常重要的研究課題。
　　 基因序列與結構信息的獲取是通過序列和結構的比較來實現(xiàn)的,序列或結構比對是序列或結構比較的基礎。序

2、列或結構信息最終是為獲取基因組功能以及進化關系服務的?；虮磉_的產物是蛋白質,蛋白質也是生命活動的執(zhí)行體,而蛋白質亞細胞定位與蛋白質功能是密切相關的,蛋白質亞細胞定位信息可以為蛋白質功能的研究提供有用線索。在蛋白質亞細胞定位預測研究中,如何獲取更完整的序列特征信息是關鍵。本文將圍繞基因序列或結構特征信息分析這一主題,將從以下三個方面進行深入研究:(1)新型序列和結構比對方法,以提高分歧較大序列的多序列比對準確率;(2)基于圖形表示的全基

3、因組系統(tǒng)發(fā)育分析方法;(3)基于復合特征的蛋白質亞細胞定位預測方法。論文的主要研究成果如下:
　　 (1)基于最小編輯距離的序列比對算法中,針對動態(tài)規(guī)劃過程中不是所有的過程都需要進行,提出了更有效的非動態(tài)規(guī)劃算法,其復雜度分別為O(n·L時間和O(n)空間,其他最快算法是由Pevzner和Waterman提出來,其復雜度分別為O(l+Ln)時間和O(l+Ln)空間。
　　 (2)針對多序列比對計算的高復雜性,采用一種平面

4、圖表示來描述多序列比對進程,既能考慮到每種可能的比對,也定義了空格插入、每種可選路徑上迭代信息值和打分規(guī)則,引入蟻群遺傳算法搜索和探索解空間中的最優(yōu)近似解,提高了找到可行解的能力和避免過早收斂,能有效提高相同列指標。
　　 (3)針對現(xiàn)有RNA二級結構表示法存在高復雜性、退化和不同結構可能會對應相同表示的問題,提出了RNA二級結構的三位和四位編碼表示方法,利用二進制的異或運算對RNA二級結構進行了比對分析。結構編碼方式簡單直接地

5、展示了結構信息,有助于更好地實現(xiàn)突變分析可視化,從而推斷疾病發(fā)生的機理。結構的編碼方式也為結構比較提供了一種很好的數(shù)學模型,易于發(fā)現(xiàn)結構間的相似性和差異性,便于基因的檢測和基因功能區(qū)的預測。該方法既能很好地區(qū)分自由基和基對及其它們的位置,也能區(qū)分含假結在內的不同子結構類。
　　 (4)針對系統(tǒng)發(fā)育分析需要構建指導樹,且指導樹生成方面存在近似程度不高的問題,運用圖形表示生物序列的思想,提出了一種新的DNA序列的二維圖形表示,給出了

6、一種基于全基因組序列的二維圖形表示來分析基因組進化關系的新方法,該方法通過對二維曲線之間的差異測量來得到進化距離。通過冠狀病毒DNA序列的相似性/相異性比較實驗,利用PHILIP軟件包構建系統(tǒng)發(fā)育樹,結果與實際進化樹相吻合。該方法用全基因組的相似矩陣代替了進化距離矩陣,不需要多序列比對。既很好地體現(xiàn)了物種之間的關系,也大大降低了計算復雜性和時間復雜度。
　　 (5)引入一個基于距離頻率的蛋白質序列編碼方法,將一個原始序列定義為2