原核生物基因翻译起始位点的识别

论文摘要

随着DNA测序技术的飞速发展和大规模基因组测序计划的顺利实施,GenBank,EMBL和DDBJ国际三大核酸序列数据库的序列数量和碱基数量呈指数增长。同时国际上著名的蛋白质数据库如PIR,SWISS-PROT和PDB等中的蛋白质数目也呈指数增长。如何分析这些数据,从中获得生物大分子结构、功能等的相关信息是基因组研究的重要课题。本论文主要致力于原核生物基因翻译起始位点的识别,真核生物基因的蛋白质编码区的识别。论文第一部分主要介绍了生物信息学发展的背景及其主要的研究内容。论文第二部分主要介绍了论文涉及的生物学背景知识,原核生物基因组的特点,原核生物基因识别发展状况,原核生物基因翻译起始位点的发展状况。论文第三部分介绍论文中使用的几种数学算法:Fisher判别方法,马尔可夫链模型和Jack-Knife方法,并简要介绍了这几种方法在蛋白质编码区识别、原核生物翻译起始位点识别中的应用。论文第四部分介绍我读硕士期间的工作。分析原核生物基因翻译起始点附近序列特征,提出了用于原核生物翻译起始位点识别的六种参量,这些参量有效地整合了以下一些原核生物基因起始位点的生物学特征:起始密码子附近单核苷酸分布模式,起始密码子附近DNA序列编码能力,起始密码子附近密码子信息熵,起始密码子到上游同相位终止密码子的距离,起始密码子的种类和起始密码子到最左端起始密码子的距离。这几个参量有效的结合在一起,对数据库中195个E.coli基因起始位点,预测正确率为92.82%。三个高可信度的B.subtilis短基因数据库,预测正确准确率分别为56/58=96.55%, 68/72=94.44%和49/51=96.08%。论文第五部分其他工作

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 生物信息学发展背景
• 1.2 生物信息学的主要研究内容
• 1.3 论文的主要工作
• 第二章 生物学相关知识
• 2.1 与本论文相关的生物学知识
• 2.1.1 遗传信息载体及传递的中心法则
• 2.1.2 基因和ORF 的关系
• 2.1.3 密码子
• 2.1.4 遗传密码的特征
• 2.1.5 核糖体结合位点
• 2.2 原核生物基因组的结构特点
• 2.3 原核生物基因编码区识别发展状况
• 2.4 原核生物基因翻译起始位点识别
• 第三章 识别算法
• 3.1 Fisher 判别
• 3.1.1 引言
• 3.1.2 模型介绍
• 3.2 马尔可夫模型
• 3.2.1 引言
• 3.2.2 模型介绍
• 3.2.3 马尔可夫模型用于蛋白质编码区的识别
• 3.3 Jack-Knife检验方法
• 第四章 原核生物基因翻译起始位点的识别
• 4.1 引言
• 4.2 材料与方法
• 4.2.1 数据库
• 4.2.2 分析六个识别变量
• 4.2.2.1 起始密码子附近单核苷酸分布模式
• 4.2.2.2 起始密码子附近DNA序列编码能力
• 4.2.2.3 起始密码子附近密码子信息熵
• 4.2.2.4 起始密码子到上游终止密码子的距离
• 4.2.2.5 起始密码子的种类
• 4.2.2.6 起始密码子到最左端起始密码子的距离
• 4.2.3 正负样本的产生
• 4.3 结果
• 4.3.1 使用Jack-knife检验方法评价6个识别变量的有效性
• 4.3.2 利用高可信度数据库对算法进行评价
• 4.4 讨论
• 第五章 其他工作
• 5.1 基因序列编码区的识别
• 5.1.1 引言
• 5.1.2 数据来源
• 5.2 五阶马尔可夫模型对DNA 序列编码区的识别
• 5.2.1 方法
• 5.2.2 评价参数
• 5.2.3 结果
• 参考文献
• 附录 I
• 附录 II
• 致谢