基因组序列拼接.pptVIP

这样，一个解P∈P(s)的邻域可以定义为N(P)={rshift(i，j)(P)|1≤ij≤n)｝∪{ lshift(i，j)(P)|1≤ji≤n｝． 4．局部搜索算法 通过计算从可行解P到其邻居P’∈N(P)的过程中的?overlap，并采用“first-fit的搜索策略，我们在当前解的邻域范围内搜索第一个更好的解，并转移到该解，因此可以通过迭代的方法改善解的质量，并实现潜在的纠错功能。 例如，在γshift(i,j)操作下将p移至p’， ? overlap=overlap(si-1,si+1) +overlap(sj,sj+1) +overlap(si,sj+1)-overlap(si-1,si)- overlap(si,si+1)- overlap(sj,sj+1)。 当?overlap0时，p’比p更好，则由p转移到p’ 此外，对给定的解P={s1’，s2’…．Sn’｝,内部的元素均包含前趋和后继。但是，头元 素仅有后继而尾元素仅有前驱。在算法中，为了消除头尾元素差异，我们将排列的头尾 元素连结起来并使用局部搜索方法寻找最优的“Loop”超串。接着在overlap最小的地方切分该环状超串，最终还原成一条线性超串。 5.局部极值点的处理 当经过以read为单元的搜索后，可以获得一个当前邻域内的局部最优解{γ1…,γk1,γk1+1, …,γk2,γk2+1，…，γk3γkm｝。它对应集合s上的一个superstring。该解对应的reads的排列中，任意相邻两个reads间的overlop关系薄弱，即overlap(γi，γi+1)M(其中，M是一个足够小的正整数，1≤i ≤ n)。 例如： 如果overlap(rkl，rkI+1)M， overlap(rk2，rk2+1)M,…， overlap(rkm，rkm+1)M， 令fragment集合F=｛f1,f2,f3….,fm}，fi即为在序rki-1,…,rki下对应的一个子超串。 则在此薄弱处将superstring分割若干“sub-superstrings.它们构成新的fragment集合F。 此时，我们将F作为当前最短超串求解的子串集合，可以获得一个新的是最短公共超串(SCS)问题的实例。我们继续应用前述的Overlap定义和邻域的定义。最终得到reads集合上的一个局部最优解P’。 6．获得“consensus segments” 在处理对“contiguous segments”的识别过程中，有关键的两个步骤： (1)在求得的超串中识别“weak joins”． (2)在“weak joins”位置，获得contiguous segments． 7. Repeat的识别策略 为了鉴别潜在的false joins，我们必须分析所有的包含不一致的前缀或者后缀的fragment。具体的 fragment γ2和γ3具有不一致的后缀，即至少存在两个fragments r2和r3,且满足overlap(r1，r2)M1 ， overlap(r1，r3)M1，但overlap(r2，r3)M2和overlap(r3，r2)M2。 因为fragment是对基因组DNA序列的随机采样获得的，包含显著的大量fragment的区域很可能是repeat。因此，如果满足以下两个条件，我们就认为该contiguous segment是重复的： 1)其首部或者尾部分别是包含不一致的前缀和后缀的fragment； 2)其覆盖度远远大于测序的平均覆盖度。否则，我们就认为其为unique区域． 原型系统试验 试验环境 1)原始基因组数据是从GenBank中随机抽取并下载的； 2)read序列是原始基因组序列中的随机子串，长度为500到700个碱基对； 3)read序列随机的分布于原始基因组数据互补的两链中的任意一条． 将Basic LSA用于不同的数据中，得到 的数据的三个特点： 试验结果 我们在没有双端测信息的约束下，从生成的CONTIG的数量和准确性两个角度比较了Basic LSA.PHRAR.CAP3的性能。 原序列名 序列长度 覆盖度 系统 Contigs总长 Contigs数目 长contigs数目(50k) Contigs平均长度 错误contigs数目 错误contigs总长(bp) AE007872 542869 7.5 CAP3 541465 21 3 28763 0 0 PHRAP 540588