基于遗传算法的启动子序列多粒度结构分_析.pdfVIP

第22 卷 第2 期 青 岛大 学学报 ( 自然科 学版) Vol . 22 No . 2 　2　0 0 9 年 6 月 JOURNAL OF QINGDAO UNIVERSITY ( Natural Science Edition) 　　　J un . 2 0 0 9 　 　 文章编号 :1006 - 1037 (2009) 02 - 00 11 - 04 　　 doi :10 . 3969/ j . i ssn . 1006 - 1037 . 2009 . 02 . 003 基于遗传算法的启动子序列多粒度结构分析 1 2 3 吴 　彦 , 王立宏 , 赵宪佳 ( 1. 青岛大学数学科学学院 , 青岛 26607 1 ; 2 . 烟台大学计算机学院 , 烟台 264005 ; 3 . 青岛大学国际学院 , 青岛 26607 1) 摘要 : 采用遗传算法对启动子序列数据集抽取不同长度的最优模糊子序列模式 , 以此分析 启动子的结构 。实验发现 :适当调整子序列模式与样本序列的匹配程度阈值 ,可以发现局部 频繁模式 ,除较长的 TATA 盒外还发现了其他一些模式 ,而在阈值较低时算法得到 Cp G 岛。 关键词 : 遗传算法 ; 启动子 ; 模糊子序列模式 中图分类号 : TP39 1. 4 　　 文献标识码 : A 1 　提出问题 人类基因图谱已绘制完成 ,识别其中的基因及其调控网络成为生物信息学的重要任务 。众所周知 ,核酸 ( ) ( ) 是遗传物质 ,核酸包括脱氧核糖核酸 Deo xyribonucleic acid , DN A 和核糖核酸 Ribonucleic acid , RN A 两 大类 ,这两类核酸分布于生物体的细胞之中。其中 ,DN A 是主要的遗传物质 。核酸经核酸酶水解可生成核 苷酸 ,核苷酸进一步分解成核苷和磷酸 ,核苷还可以进一步水解生成碱基和戊糖 。所以核酸的基本结构单位 是核苷酸 ,其组成方式是碱基 —戊糖 —磷酸 。 ( ) 碱基 ba se 包括嘌呤碱和嘧啶碱两类 。DN A 中的嘧啶为胞嘧啶 C 和腺嘧啶 T ; 嘌呤为腺嘌呤 A 和鸟 嘌呤 G 。尿嘧啶 U 也是一种常见的嘧啶 ,仅存在于 RN A 中。由于 DN A 具有双螺旋结构 ,碱基在两条链的 ( ) 同一位置成对出现 A 与 T 配对 ,C 与 G 配对 , 因此可使用其中的一条链来分析 DN A 序列 ,认为出现在链 ( ) 上的是碱基对 ba sep air ,bp 。通常以 bp 为单位表示 DN A 的长度 , 可 以简单地将 DN A 序列理解为 由 A ,C , T , G 4 个字符组成的字符串。 ( ) ( ) 启动子 Pro mot er 是一个基因的转录起始位点 T SS 之前的一段 DN A 短序列 ,如果能识别出启动子 , 就可以找出一个基因的转录起始位点大致位置 ,从而为生物学实验提供指导 。很多启动子识别系统已经开 发出来 ,但准确识别启动子并尽可能减少误识率仍是未完全解决的问题 。本文通过分析现有启动子样本序 列的多粒度结构特征 ,为启动子的序列特征描述提供参考 。 对启动子的结构认识已有一些成果 ,如一些启动子含有 TA TA 盒以及 CAA T 盒等