生物序列相似性分析方法研究及應(yīng)用.pdf

1、生物信息學(xué)是一個(gè)嶄新的領(lǐng)域，這個(gè)學(xué)科的發(fā)展對基因組研究、人類健康和農(nóng)林業(yè)發(fā)展產(chǎn)生了深遠(yuǎn)的影響。隨著生命科學(xué)研究的不斷深入，生物信息學(xué)所涉及的研究范疇也在不斷擴(kuò)充。其中很多工作都是以序列比較為研究基礎(chǔ)，因此，生物序列比較不僅是生物信息學(xué)中最基本、最重要的課題之一，而且對生命科學(xué)的研究具有深遠(yuǎn)的意義。本文以生物序列比較的方法為研究對象，主要研究內(nèi)容如下:
　　1.首先對生物序列比較的概念和研究內(nèi)容做了概述，重點(diǎn)介紹雙序列和多序列比對算

2、法以及字統(tǒng)計(jì)模型和幾何表示模型兩類非比對算法，介紹各類研究方法的區(qū)別與聯(lián)系，分析其優(yōu)缺點(diǎn)，為本文的研究提供了理論基礎(chǔ)。
　　2.提出一種基于LZ-WORD分布的序列非比對算法。基于LZ復(fù)雜度的分段思想，本文修改了LZ復(fù)雜度算法并利用它將DNA序列打成片段，得到一個(gè)LZ-WORD集合。考慮到LZ-WORD的組分和長度信息，將來自兩條不同檢測序列的LZ-WORD按照字典排序法列隊(duì)，根據(jù)其來源得到檢測序列的標(biāo)記序列，利用標(biāo)記序列中元素分

3、布度量不同序列之間的差異。本文采用5種不同長度序列模式比較不同類型的乙肝基因序列，發(fā)現(xiàn)其結(jié)果存在差異，G5的結(jié)果最好，由此可見，設(shè)計(jì)LZ-WORD非比對算法時(shí)，需要充分考慮不同長度的序列片段的影響。
　　3.提出了一種基于相關(guān)矩陣和馬爾可夫模型的序列比較算法。根據(jù)生物序列局部信息的差異性，本文首先設(shè)計(jì)相關(guān)矩陣模型描述特定核苷酸周圍的堿基分布情況，利用信息熵量化分析了特定核苷酸周圍堿基分布的均勻性;其次，本文引入馬爾可夫模型描述局部