大規(guī)?；蚪M中重復(fù)體識(shí)別算法的研究.pdf

1、重復(fù)體識(shí)別問題是現(xiàn)代生物信息學(xué)中基因組分析的一個(gè)基本研究課題。通過識(shí)別重復(fù)體可以發(fā)現(xiàn)基因組的進(jìn)化規(guī)則和許多疾病的遺傳規(guī)律。許多轉(zhuǎn)位子重復(fù)體序列作為可編碼區(qū)域重復(fù)出現(xiàn)在基因組序列中，識(shí)別這些重復(fù)體對(duì)基因組解碼起到了非常重要的作用。雖然現(xiàn)在已經(jīng)存在多種算法解決重復(fù)體識(shí)別問題，但是這些算法在很多方面還不夠完善。針對(duì)當(dāng)前存在的問題，本文提出了一種基于種子序列的方法來(lái)求解重復(fù)體識(shí)別問題。 本文提出了兩個(gè)重復(fù)體識(shí)別算法RepeatSearc

2、her和GSRSearcher，這兩個(gè)算法的共同點(diǎn)在于都是基于對(duì)種子序列擴(kuò)展的識(shí)別算法。Repeatsearcher算法的核心是對(duì)包含種子的序列通過雙序列局部比對(duì)構(gòu)建多序列局部比對(duì)，結(jié)合限定范圍的空位罰分策略，通過比對(duì)得分值擴(kuò)展調(diào)和序列，同時(shí)擴(kuò)展每一個(gè)重復(fù)體序列。這種方法的優(yōu)點(diǎn)在于在擴(kuò)展調(diào)和序列的同時(shí)可以確定每一個(gè)重復(fù)體序列的精確邊界。構(gòu)建多序列局部比對(duì)在很大程度上防止了基于高分相似對(duì)算法的邊界不精確性。GSRSearcher算法繼承了

3、算法RepeatSearcher基于種子序列擴(kuò)展的特點(diǎn)，結(jié)合Gibbs采樣統(tǒng)計(jì)方法，綜合考慮了基因組中背景堿基對(duì)結(jié)果的影響，使識(shí)別出來(lái)的重復(fù)體家族序列更加精確。通過概率統(tǒng)計(jì)策略的GSRSearcher算法收斂速度明顯比通過比對(duì)的算法RepeatSearcher更合理，而且可以判斷出重復(fù)體序列的精確邊界。 本文最后使用這兩個(gè)算法測(cè)試了12種哺乳動(dòng)物的部分基因組序列，將實(shí)驗(yàn)結(jié)果和重復(fù)體數(shù)據(jù)庫(kù)RepBase以及當(dāng)前流行的算法RECON