动态规划算法双序列全局比对优化.pptVIP

浅谈动态规划算法的优化 序列比对 对序列的研究是近代生命科学研究中的一个关键而基本的问题，生物序列比对也是生物信息学研究中最基本、最重要的操作。 概念：序列比对就是运用某种特定的数学模型或算法，找出两个或多个序列之间的最大匹配碱基或残基数 目的：判断两序列之间是否有足够的相似性 比对数目：双序列比对（pairwise alignment）、多序列比对(multiple alignment) 比对范围：全局比对（global alignment）局部比对（local alignment） 动态规划算法（Dynamic programming algorithm） 提出人：Needleman和Wunsch 提出时间：1970年 思想核心：原问题→→子问题 基本思想： 1.最优分的递归计算； 2.存储子问题的最优分的动态规划矩阵； 3.子问题最优解矩阵的填充过程； 4.寻找最优比对路径的回溯方法。 时间复杂度：O（mn） 空间复杂度：O（mn） 优点：准确，不会重复算或者是漏算 缺点：计算复杂，耗时长 改进方向：简化计算 缩短时间 对动态规划算法的思考 1.核心思想：原问题→→子问题（最优比对路径跟起点、终点中间所有行列都会有一个交点） 2.递归公式（储存） 3.第i行（或列）的结果来源于第i-1行（或列） 1.Hirschberg算法 提出人：Hirschberg 提出时间：1975 改进：减少DPA算法的储存空间 思想核心：checkpoint 基本思想： 1.计算两序列得分矩阵只需要序列长度常数倍的存储空间; 2.可以将序列联配问题分解成小问题进行解决 计算过程 分割→→两个方向找出两条序列最优 比对路径→→得到checkpoint （直到剩下的待分割的子矩阵只有一行或者一列） 计算过程要注意！！！！！ 和动态规划算法相比—— 时间复杂度：O（2mn） 空间复杂度：O（m+n）（时间换空间） 优点：存储空间减小 缺点：所花费的时间更长 2.FA算法（Fast alignment） 提出人：李昭、杨琪和祝明发 提出时间：2002年 改进：多个checkpoint（相对于Hirschberg算法） 思想核心：多个checkpoint 基本思想：在一次计算得分矩阵的时候保存矩阵中多个checkpoint，减少 对矩阵元素的重复计算 计算过程 均分成k2个小块→→计算整个得分矩阵（线性空间复杂度的矩阵）→→存储两侧的数据来源关系→→产生多个checkpoint。 （直到列差值小于等于k值，再用Hirschberg算法计算小块内部的序列最优比对路径。） 和Hirschberg算法相比—— 时间复杂度：约为O（mn（2k/（k-2）-1）），当k足够大的时候，约为O（mn） 空间复杂度：O（km+kn） 优点：1.在得分矩阵的计算中得知，第i行（或列）的元素值都来源于i-1行（或列），因此可以在计算得分矩阵时同时获得相邻两行元素的计算来源关系，这样不需要回溯就可以获得checkpoint。 2.在Hirschberg算法中，每次只记录一个checkpoint，所以算法每次递归调用的时候需要重新计算原来得分矩阵的一半；如果在一次计算得分矩阵的时候保存矩阵汇总多个checkpoint，那么就可以在每次迭代中减少许多重复计算的矩阵。 缺点：产生多个checkpoint，这就意味着要存储多个checkpoint，也就需要更大的存储空间（大概是Hirschberg算法所需存储空间的3倍） 总结 序列比对算法的优化方式还有很多，这里列举的优化方式主要是序列比对最优路径与行列之间的交点这方面。 Hirschberg算法（改进了DPA算法的空间复杂度，但时间复杂度增加） FA算法（Fast alignment）（改进了Hirschberg算法的时间复杂度，但空间复杂度增加） 以上讲解的这些算法主要体现了这几种思维： 1.将求解问题分成若干子问题的思想 2.i行的来源是i-1行，不需要回溯 参考文献 唐玉荣，汪懋华，基于动态规划的快速序列比对方法[J].生物数学学报，2005,20（2）：207-212 唐玉荣，生物信息学中一个优化的全局双序列比对算法[J].计算机应用，2004 武晨，浅析生物信息学动态规划算法[J].赤子，2013 张福祥，两序列对的Hirschberg算法[J].潍坊学院学报，2003 李昭，杨琪，祝明发.存储约束条件下的序列连配算法[J].微电子学与计算机