DNA序列中相似性重復片段查找技術研究.pdf

1、生物信息學是20世紀80年代末，隨著人類基因組計劃的不斷發(fā)展、基因序列和蛋白質數(shù)據(jù)的急速增加、以及信息理論和計算機技術的不斷發(fā)展而逐漸形成的。我們可以利用計算機技術對包括DNA、RNA和蛋白質等生物序列進行分析，為生物學家提供更多有價值的信息。 在DNA序列分析中，重復片段查找是一個重要的基礎性問題。人類DNA序列50％以上是由重復片段組成的，這些重復片段隱含了大量的生物信息，其中包含豐富的古生物記錄，并提供許多關鍵的生物進化線

2、索。目前，重復片段作為一個重要的遺傳標記，已廣泛運用于精密遺傳連鎖作圖、腫瘤生化研究、法醫(yī)學個體識別、親子鑒定和群體遺傳學分析等領域。 相似性重復片段的查找是近年來一個熱點的研究問題。相比于精確重復片段查找，相似性重復片段的查找是一個較為新穎且難度較大的問題。針對這個問題，本文對DNA序列中的相似性重復片段查找進行了深入研究，提出了一種在DNA序列中查詢相似性重復片段的高效方法。本文的主要工作總結如下： (1) 本文首先

3、提出了一種新的衡量相似性重復片段相似性的標準，這種新的標準既表達了距離和待比較片段間的長度關系，同時又避免了模式之間長度必須相同的限制； (2) 針對以往方法只能查找模式長度基本相同的相似性重復片段的缺陷，利用一種新的輕量級索引結構——后繼數(shù)組，提出了一種新的序列劃分方法，這種方法可以使查找到的相似性重復片段的各個模式的長度不受限制； (3) 由于相似性重復片段查找的計算的高復雜性，本文提出了基于頻率距離的過濾方法，