基因組序列快速拼接算法及可視化技術(shù)的研究.pdf

1、正如2001年人類(lèi)基因組計(jì)劃的初步完成，宣告了人類(lèi)進(jìn)入后基因組時(shí)代一樣，2003年4月人類(lèi)基因組計(jì)劃的圓滿結(jié)束，則拉開(kāi)了人類(lèi)邁入個(gè)體化醫(yī)療時(shí)代的序幕，使得個(gè)體基因組計(jì)劃(PGP)成為可能。個(gè)體化醫(yī)療時(shí)代對(duì)個(gè)體進(jìn)行疾病相關(guān)分析，就要求研究者獲得不同個(gè)體的基因信息，獲得存在于個(gè)體之間的變異信息和基因功能信息。基因組再測(cè)序理所當(dāng)然的擔(dān)當(dāng)起這個(gè)任務(wù)?；蚪M再測(cè)序技術(shù)的研究已成為目前國(guó)際上生命科學(xué)領(lǐng)域的一個(gè)重點(diǎn)，東南大學(xué)生物電子學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室也

2、參與到這一研究中。本課題就是在這個(gè)背景下產(chǎn)生的。我們希望通過(guò)生物信息學(xué)的方法，建立一個(gè)再測(cè)序信息分析平臺(tái)。首先針對(duì)目前再測(cè)序技術(shù)的特點(diǎn)，提出新的基因組序列快速、準(zhǔn)確的拼接算法；其次，發(fā)展基因組測(cè)序信息的可視化技術(shù)，實(shí)現(xiàn)測(cè)序信息與基因組結(jié)構(gòu)數(shù)據(jù)及基因序列變異數(shù)據(jù)的融合，進(jìn)而實(shí)現(xiàn)融合數(shù)據(jù)的可視化，為基因組再測(cè)序技術(shù)的應(yīng)用提供支撐。 在序列拼接方面，再測(cè)序產(chǎn)生的的測(cè)序片段比較短(100bp左右)，同時(shí)由于人類(lèi)基因組存在的大量重復(fù)序列和

3、SNP位點(diǎn)，傳統(tǒng)的拼接方法不再適應(yīng)，且存在耗時(shí)的缺陷。人類(lèi)基因組再測(cè)序有標(biāo)準(zhǔn)的基因組藍(lán)圖作參考，我們?cè)诒容^傳統(tǒng)的拼接算法后，提出了批量序列比對(duì)方法MegaBL AST 和基于哈氏表的快速定位算法。前者基于序列比對(duì)的方法，在處理如酵母，噬菌體等小的基因組時(shí)快速有效；而后者，采用的是將人類(lèi)基因組序列庫(kù)建成哈氏表的方法，大大提高了搜索查詢(xún)序列的速度，比BLAST快3～4個(gè)數(shù)量級(jí)，且定位準(zhǔn)確。 為了用接近真實(shí)的實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證我們的算法，我

4、們認(rèn)真研究了人類(lèi)基因組序列的特點(diǎn)，在充分的考慮了基因突變位點(diǎn)、多態(tài)性位點(diǎn)以及測(cè)序誤差和覆蓋倍數(shù)的基礎(chǔ)上，提出了模擬數(shù)據(jù)集的數(shù)學(xué)模型，并構(gòu)建了一套接近真實(shí)數(shù)據(jù)的模擬數(shù)據(jù)集用于我們的算法驗(yàn)證。 在可視化的實(shí)現(xiàn)方面，我們通過(guò)充分比較國(guó)際知名網(wǎng)站可視化的設(shè)計(jì)方案，結(jié)合我們的實(shí)際情況，采用了Applet可視化方法，使用戶(hù)對(duì)序列片段有直觀的理解?？梢暬哪康氖悄軌蛑饘觿?dòng)態(tài)顯示人類(lèi)基因組染色體上的基因信息和序列信息，以及再測(cè)序片段的一系列信息