生物DNA序列比对算法研究.pdfVIP

维普资讯 第23卷 第2期 佳 木 斯 大 学 学 报 (自 然 科 学 版 ) V01．23 No．2 20o5 年 04月 JournalofJiamusiUniversity(NaturalScienceEdition) Apr． 2005 文章编号 ：100g一1~ (2oo5)o2—0153—06 生物 DNA序列比对算法研究 段 敏 ， 许龙飞 (暨南大学计算机科学系．广东广州510632) 摘 要： 基于典型CLUSTALW序列比对算法，研 究一种局部优化的多序歹Ij比对算法，用减少序列比 对：．y…to中总评分的方法来达到优化算法的 目的，并对基因库中的序列进行了测试． 关键词： 生物信息学；DNA序列；序列比对算法；数据挖掘 中图分类号： TP301 文献标识码： A 0 引 言 DNA多序列比对是生物基因信息系统中，现代生物序列分析的重要内容，也是当今生物信息学研究 的热点课题．通过多序列比对，可以预测新序列的结构和功能，可以分析序列之间的相似和同源关系，以及 进行系统发育分析 ，多序列比对是一个具有高计算复杂度的组合优化问题 ． 序列比对就是运用特定的数学模型，寻找两个或多个序列问的最大匹配碱基或残基数，比对结果反映 了序列问的相似关系及其生物学特征 ． 目前序列比对的算法很多，这些算法大多基于动态规划的算法思想，根据比对的序列数 目不同，序列 比对算法可分为两序列比对和多序列比对等． (1)两序列比对算法 两序列比对可分为全局比对与局部比对 ．全局 比对是考虑两个序列之间的全局相似性，典型的算法有 Needleman—Wunsch算法…，该算法适合于全局水平的相似性程度较高的两个序列 ．局部比对算法的基础 是 Smith—Waterman算法 ，该算法较适用于亲源关系较远 ，整体上不相似，而在较小局部区域中存在局部相 似性的两个序列，由于蛋 白质具有模糊性质，极可能由于外显子的交换而产生新的蛋 白质，因而局部比对 有时会更合理．典型的局部比对算法有Smiht—Waterman，FAST7．和BLAST算法等[2]． Smiht—Waterman算法的基本思想是，使用迭代方法计算出两个序列的相似分值，存入一个评分矩阵， 根据评分矩阵，以及动态方法回溯，寻找最优比对序列 ． 由Pearson和 Lipman提出的FASTA算法 ，是一种经改进的两序列启发式算法 ．在此基础上 ，后来由 Altschul等人提出的BLAST算法是 目前国际广泛采用的高效和敏感性较好的算法．它的基点是序列片段对 概念，所谓序列片段对是指两个给定序列中的一对子序列，它们的长度相等，且可以形成无空位的完全匹 配 ． (2)多序列比对算法 目前的大多数的多序列比对算法基于渐进思想的启发式算法，以降低运算的复杂度，其中使用最广泛 的是 CLUSTALW，它的基本思想是基于相似序列通常具有进化实习相关性这一假设，其算法过程描述为： 1)对多个序列两两比对构成距离矩阵，表示序列间的两两关系； 2)由距离矩阵计算系统进化树 ； 基金项目：国家 自然科学基金资助项 目，广东省 自然科学基金资助项 目(031903) 作者简介：段敏(1978一)女，湖北孝感人 ，研究生研究方向：数据库、生物基因信息系统等、 许龙飞(1946一)，男，广东开平人，广州暨南大学计算机科学系教授 ．研究方向：数据库、生物基因信息系统和知识工程 维普资讯 154 佳 木 斯 大 学 学 报 (自 然 科 学 版 ) 2005年 3)对关系密切的序列进行加权，从最密切序列开始，逐步引入临近的序列，并不断重新构建比对，直至 所有的序列均被加入． 近年来有学者引入遗传算法对多序列比对进行研究，如重新设计独特的遗传算子(插入、删去、合并和 分离等