基因组序列的特征提取和进化树构建方法研究

论文摘要

随着人类基因组计划(HGP)的完成，基因组序列迅猛的增长，吸引了越来越多的研究人员对全基因组的系统发生树的注意。目前越来越多的研究倾向于使用全基因组进行系统发育分析，因为这考虑了所有的生物特征并可作为所有生物的共同指标。从生物的基因组角度研究物种间的进化关系，才能获得更加全面的关于进化的信息。科学界普遍认为全基因组进化树与物种进化树更接近。而研究人员发现对不同基因构建的进化树往往不一致，因为对全基因组作系统发育分析时，物种的进化方式除了直向遗传外，还存在其它进化方式。因此，对基因组序列进行系统发育分析有非常重要的意义。本文主要研究了基因组序列的统计关联特征，基于统计关联特征的基因组序列的相似性分析，并采用一种新的模糊聚类方法对基因组序列构建进化树。首先，本文利用三联体和单联核苷酸的联合概率分布的差异来表示序列之间的差异，提出了一种新的基于统计关联特征(TBC)方法对全基因组序列进行相似性分析。将TBC特征矩阵数据归一化，再利用指数切比雪夫距离法构造模糊相似矩阵，最后用模糊聚类中的传递闭包法来构建进化树。该方法不需要多序列比对，计算简单。通过对四组基因组序列(48个HEV病毒、24种冠状病毒、24种转铁蛋白和20种哺乳动物)进行系统发育分析，实验结果验证了该统计特征的有效性。其次，本文提出了一种新的模糊聚类方法用于全基因组序列的进化树构建。利用上述的TBC统计关联特征构造特征矩阵，运用分裂层次聚类方法构建进化树，在分裂过程中采用模糊K均值算法将数据对象分为两类，分裂过程反复进行，直到类中的对象数目为1为止。通过对四组基因组序列(20种哺乳动物、24种冠状病毒、24种转铁蛋白和48个HEV病毒)进行系统发育分析，实验结果验证了该模糊聚类方法的有效性。

论文目录

• 摘要
• Abstract
• 目录
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 项目来源
• 1.2 研究背景和意义
• 1.3 国内外研究现状与发展趋势
• 1.4 本课题的主要工作
• 1.5 论文组织结构
• 1.6 小结
• 第2章 系统发育分析概述
• 2.1 生物信息学
• 2.1.1 生物信息学的研究背景及意义
• 2.1.2 生物信息学的研究内容
• 2.1.3 应用前景与展望
• 2.2 基因组学
• 2.2.1 原核基因组
• 2.2.2 真核基因组
• 2.2.3 基因组序列分析
• 2.3 系统发育分析
• 2.3.1 系统发生树构建方法
• 2.3.2 系统发生树的可靠性
• 2.3.3 全基因组系统发育分析
• 2.4 小结
• 第3章 基于统计关联特征的特征提取方法
• 3.1 序列统计特征概述
• 3.1.1 单词频率
• 3.1.2 DRA 特征
• 3.1.3 BBC 特征
• 3.2 一种新的统计特征—TBC 特征
• 3.3 基于传递闭包法的进化树构建
• 3.3.1 数据归一化
• 3.3.2 模糊相似矩阵
• 3.3.3 传递闭包法
• 3.4 算法流程与算法描述
• 3.5 实验结果与分析
• 3.5.1 48 种 HEV 病毒基因组构建的进化树
• 3.5.2 24 种冠状病毒基因组构建的进化树
• 3.5.3 24 种转铁蛋白基因组构建的进化树
• 3.5.4 20 种哺乳动物基因组构建的进化树
• 3.6 小结
• 第4章 基于模糊聚类的进化树构建方法
• 4.1 模糊聚类算法简介
• 4.1.1 直接聚类法
• 4.1.2 基于等价关系的模糊聚类方法
• 4.1.3 最大树法
• 4.1.4 基于划分的模糊聚类方法
• 4.2 基于改进的模糊 K 均值算法构建进化树
• 4.2.1 模糊 K 均值
• 4.2.2 一种新的进化树构建方法
• 4.3 实验结果与分析
• 4.3.1 20 种哺乳动物基因组构建的进化树
• 4.3.2 24 种转铁蛋白基因组构建的进化树
• 4.3.3 24 种冠状病毒基因组构建的进化树
• 4.3.4 48 种 HEV 病毒基因组构建的进化树
• 4.4 小结
• 结论
• 参考文献
• 致谢
• 附录A （攻读硕士期间发表论文和参加的项目）