測序芯片中的高密度分子點陣的圖像處理.pdf

1、隨著人類基因組計劃的完成，DNA測序開始發(fā)揮其重要的作用。傳統(tǒng)的測序方法有：板凝膠電泳法和毛細管電泳法；新一代的測序方法有：雜交測序，合成測序和單分子測序。如何能夠快速、準確、高通量的實現(xiàn)DNA測序是將來研究的重點?；蛐酒cDNA測序的結(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)擴增方法制備測序模板，然后通過合成測序的方法進行DNA序列的檢測。 在對測序芯片的研究過程中，需要生物信息學的分析，生物芯片

2、圖像處理即是這個過程中的一個重要部分。特別是對于不同生物芯片上的大量分子特征熒光點進行識別、分析和配準，一將特征點的灰度信息聯(lián)合起來，就可以得到待測DNA的序列。 本文主要針對芯片圖像分析中的算法進行研究，對測序芯片的圖像處理，對分子特征熒光點進行識別、分析和配準。主要研究工作分為三個方面： (1) 對芯片圖像上特征點的提取，這里研究了兩大類方法：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序芯片中的特征點，對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準，最后采用Canny算子提取圖像特征點。對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行計算，并且發(fā)現(xiàn)將圖像分割為若干子圖像再進行直接閾值分割更為合適

4、； (2) 對圖像的特征點提取以后，計算圖像特征點的質(zhì)心，也就是特征點的灰度中心，作為特征點的唯一標識； (3) 由于測序是個動態(tài)過程，因此需要對一系列圖像進行配準，這里采用了互信息配準的方法，此方法不需要考慮整個圖像中每個點的輪廓外型等信息，只需要考慮整個圖像的灰度信息，這對于我們所處理高密度點陣圖像比較合適，這里將圖像進行平移旋轉(zhuǎn)，計算待配準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。