生物序列的内在性质

论文摘要

生物信息学是多学科的交叉产物,以计算机为工具对生物信息进行存储、检索和分析。本论文主要研究了生物序列可视化、比对以及蛋白质序列网络等有关问题。从混沌游走中得到启发,引入CGR(Chaos Game Representation)的概念,定义了蛋白质混沌游走表示法(PCGR, Chaos game representation of protein)。针对蛋白质序列的多重分形性质及其Rényi熵率进行进一步研究。数学领域中的分形理论和信息论中的熵率概念被引入到蛋白质序列的分析中:把20种氨基酸以看作符号序列,由混沌游走表示的二维可视化延伸到n维空间中,用分形维数来体现蛋白质序列的性质;另外,蛋白质序列也可以被看作一组信号,可以用信息熵的概念来进行刻画。然后把多重分形维数和符号序列的Rényi熵率之间通过概率测度μ建立对应关系。氨基酸按照不同的性质进行分类,其分类的依据和偏重不同,分类结果也不同。文中介绍了两种分类:根据HP模型分为4类和依照理化性质分为7类,结合提出的一种新的比对算法,把分类过的两条蛋白质序列进行比对。利用蛋白质序列的PCGR距离,给定阈值k,迅速判断相同片段的长度及所在位置,降低了计算复杂度也可以保证比对效率,还可以根据比对结果判断序列的相似性。另外结合分层聚类法,利用FCGR(Frequency matrices extracted from CGRs)距离和二次偏差距离分别构造了26种生物的种系发生树。不同的距离定义、相同的数据,得到不同的种系树,可以探讨物种之间的进化关系。每个结点表示一段DNA片段,每一条连线都包含着片段之间的连接信息。通过复杂网络研究生物体的拓扑结构,主要通过测量聚类系数构建网络的拓扑结构。结果表明所构建的复杂网络的度分布呈现幂率性质,但是其幂率指数过小,这说明了DNA序列有着稳定的结构,但是在遗传过程中却存在大量的随机性和不稳定性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 背景介绍
• 1.2 研究的目的与意义
• 1.3 国内外研究状况
• 1.4 研究的主要内容
• 第二章 基因序列的可视化方法
• 2.1 CGR 综述
• 2.2 混沌游走
• 2.3 CGR 的构造与迭代函数
• 2.3.1 CGR 的性质
• 2.4 CGR 基因签名
• 2.4.1 基因签名介绍
• 2.4.2 CGR 的频率矩阵——FCGR
• 2.5 k 串理论的介绍
• 第三章 蛋白质序列的多重分形性质及其 Rényi 熵率
• 3.1 蛋白质CGR 的简述
• 3.2 符号序列的几何表示
• 3.3 符号序列的信息熵
• 3.4 符号序列的分形表示
• 3.5 符号动力系统描述
• 3.6 本章小节
• 第四章 基于蛋白质混沌游走表示法的线粒体蛋白质序列比对
• 4.1 问题描述
• 4.2 序列比对算法的设计
• 4.2.1 氨基酸分类
• 4.2.2 序列比对算法
• 4.3 结果
• 4.3.1 氨基酸分成4 类情况下的比对
• 4.3.2 氨基酸分成7 类情况下的比对
• 4.3.3 无分类情况下的比对
• 4.4 本章小节
• 第五章 种系分析
• 5.1 种系分析介绍
• 5.2 利用PCGR 距离进行种系分析
• 5.2.1 距离概率矩阵
• 5.2.2 结合分层聚类法生成种系树
• 5.3 二次偏差距离
• 5.3.1 k 阶 FCGR 归一化
• 5.3.2 两条DNA 序列归一化k 阶FCGR 之间的二次偏差距离
• 5.3.3 二次偏差距离的评价
• 5.4 本章小节
• 第六章 生物序列的网络性质
• 6.1 DNA 序列的网络模型建模
• 6.2 结果
• 6.3 本章小节
• 第七章 总结和展望
• 7.1 总结
• 7.2 展望
• 致谢
• 参考文献
• 附录：攻读硕士学位期间发表学术论文情况