基因序列與結(jié)構(gòu)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(zhuǎn)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(zhì)結(jié)構(gòu)、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(jié)構(gòu)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(jié)構(gòu)信息的獲取是通過序列和結(jié)構(gòu)的比較來實現(xiàn)的,序列或結(jié)構(gòu)比對是序列或結(jié)構(gòu)比較的基礎。序

2、列或結(jié)構(gòu)信息最終是為獲取基因組功能以及進化關(guān)系服務的?；虮磉_的產(chǎn)物是蛋白質(zhì),蛋白質(zhì)也是生命活動的執(zhí)行體,而蛋白質(zhì)亞細胞定位與蛋白質(zhì)功能是密切相關(guān)的,蛋白質(zhì)亞細胞定位信息可以為蛋白質(zhì)功能的研究提供有用線索。在蛋白質(zhì)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(guān)鍵。本文將圍繞基因序列或結(jié)構(gòu)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(jié)構(gòu)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(zhì)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(jié)構(gòu)表示法存在高復雜性、退化和不同結(jié)構(gòu)可能會對應相同表示的問題,提出了RNA二級結(jié)構(gòu)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(jié)構(gòu)進行了比對分析。結(jié)構(gòu)編碼方式簡單直接地

5、展示了結(jié)構(gòu)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(jié)構(gòu)的編碼方式也為結(jié)構(gòu)比較提供了一種很好的數(shù)學模型,易于發(fā)現(xiàn)結(jié)構(gòu)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(jié)在內(nèi)的不同子結(jié)構(gòu)類。
　　 (4)針對系統(tǒng)發(fā)育分析需要構(gòu)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(guān)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(gòu)建系統(tǒng)發(fā)育樹,結(jié)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(guān)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(zhì)序列編碼方法,將一個原始序列定義為2