基于從頭算法的轉(zhuǎn)座子識(shí)別方法研究.pdf

1、轉(zhuǎn)座子(Transposable Elements，TE)是可移動(dòng)的、重復(fù)的基因序列，它們?cè)谡婧嘶蚪M中幾乎無(wú)所不在，并對(duì)基因組的結(jié)構(gòu)、功能和進(jìn)化起到了十分重要的作用。目前，對(duì)轉(zhuǎn)座子的研究已經(jīng)非常深入，從轉(zhuǎn)座子的鑒定和注釋，再到對(duì)其詳細(xì)的分類(lèi)都有了相應(yīng)的成熟軟件或分析工具。
　　 論文首先總結(jié)和分析比較了各種主要的關(guān)于轉(zhuǎn)座子的相關(guān)軟件方法，通過(guò)各個(gè)方法的比較，我們知道De novo(從頭)算法雖然在其得到的轉(zhuǎn)座子家族序列在以后的

2、研究中需要進(jìn)一步的修正，但它卻是在鑒定、注釋新基因組中轉(zhuǎn)座子所必要的一步，也通常是全面處理的第一步，其結(jié)果對(duì)之后的研究中更是能產(chǎn)生深遠(yuǎn)的影響，但在得到的轉(zhuǎn)座子家族序列以后的研究中尚需要進(jìn)一步的修正，由此我們對(duì)其從頭算法進(jìn)行了改進(jìn)。
　　 本研究主要改進(jìn)的是基于從頭算法中的Repeatscout軟件，它主要用于發(fā)現(xiàn)新的、未注釋的轉(zhuǎn)座子家族，對(duì)于高頻出現(xiàn)的轉(zhuǎn)座子的鑒別尤其有效。其主要優(yōu)點(diǎn)則是不用與已知的數(shù)據(jù)庫(kù)相比較，而主要的缺點(diǎn)是運(yùn)

3、行時(shí)間較長(zhǎng)。首先提出了改進(jìn)的理論依據(jù)并闡述了原算法的實(shí)現(xiàn)過(guò)程，在實(shí)現(xiàn)過(guò)程中主要是考慮了數(shù)據(jù)的冗余現(xiàn)象，不僅包括在得到轉(zhuǎn)座子家族的多序列比對(duì)中的整體的遍歷計(jì)算，也考慮了在“隱藏”序列過(guò)程中的雙序列比對(duì)的遍歷過(guò)程，通過(guò)分析其轉(zhuǎn)座子數(shù)據(jù)的特征性，我們歸納其特征實(shí)現(xiàn)了以上兩種去除數(shù)據(jù)的冗余的方法。再者，我們考慮到其堿基序列的本身只要4種情況，而這個(gè)改進(jìn)可以在理論上真正做到無(wú)誤差的去除冗余情況。
　　 研究結(jié)果表明，在整個(gè)算法的實(shí)現(xiàn)中，我

4、們總結(jié)出了其轉(zhuǎn)座子家族得到的過(guò)程可分為四個(gè)步驟:(1)從序列中計(jì)算得到k-mer種子，并給出每個(gè)k-mer種子詳細(xì)“注釋”;(2)依據(jù)不同的標(biāo)準(zhǔn)來(lái)選取一個(gè)k-mer種子;(3)通過(guò)選取的k-mer種子進(jìn)行多序列比對(duì)來(lái)得到轉(zhuǎn)座子家族，再通過(guò)雙序列比對(duì)來(lái)在序列中來(lái)“隱藏”出現(xiàn)過(guò)的k-mer種子及其序列;(4)調(diào)整k-mer種子頻率及其他注釋再次來(lái)選取一個(gè)種子。
　　 本研究中，我們不僅對(duì)選取k-mer種子的標(biāo)準(zhǔn)進(jìn)行了一定的改進(jìn)，使其