单体型组装问题参数化建模及算法与研究.pdf

摘 要 分析和识别单体型对复杂疾病致病基因的精确定位有重要作 用。单体型组装问题是利用个体DNA测序片段数据推出该个体一对 单体型的计算问题。根据不同的优化准则，单体型组装问题有MSR、 MFR、MEC和MEC／GI等计算模型。单体型组装问题的绝大部分计 算模型都被证明是NP一难的，缺乏实用的精确算法。 在实际DNA片段数据中，一个片段所覆盖的最大SNP位点数 kl通常小于10，覆盖一个SNP位点的最大片段数如通常不大于19。 基于以上事实，本文对MSR和MFR进行参数化建模。在此基础上， 为求解无空隙的MSR和MFR，本文设计了时间复杂度分别为 PMSR和PMFR，其中m为片段数，n为单体型的SNP位点数； 为求解有空隙的MSR和MFR，本文设计了时间复杂度分别为 的精确算法PGMSR和PGMFR，其中k为片段中最大洞数。大量 实验结果表明，在Bafna等的对应算法基础上，上述参数化算法的 效率显著提高，适用于全基因组规模上的单体型组装。 针对长的mate．pair中洞的个数较多的情况，本文提出了求解 MSR和PMMFR， 联尥也3娩+聊logm+刀恕+历七1)的参数化精确算法PM 其中h为覆盖同一SNP位点且在该位点取空值的片段的最大数。在 实际的DNA测序数据中，赶通常不大于19，而h不大于17，理论 MSR和PM 分析和实验结果均表明PM MFR算法所需的时间与片 段中洞的个数的最大值k没有直接的关系，在片段数据中存在长 mate—pair的情况下仍然能有效计算。 根据实际DNA测序片段数据的特点，本文对MEC和MEC／GI 进行参数化建模，进而设计出求解这两个模型时间复杂度均为 MEC和P MEC／GI。实验结果表 O(nk22k2+mlogm+inkl)的精确算法P 明，在片段数达到100，Wang等提出的分支限界算法已无法运行的 情况下，PMEC、P MEC／GI和Wang等提出的遗传算法一样，仍 然能快速运行。而作为精确算法，PMEC和PMEC／GI在单体型重 构精度上比Wang等对应的遗传算法有明显优势。 为了提高单体型的重构精度，本文提出了一个基于加权片段数 据和有误差基因型的单体型组装问题计算模型WMEC／GS，然后证 明了即使片段中无空隙其也是NP．难的。进而根据片段数据的特点， 算法P 量实验表明WMEC／GS模型具有最高的单体型重构精度。 关键词： 单核苷酸多态性，单体型，基因型，NP．hard，参数化算 法 II ABSTRACT an rolein disease playsimportantlocatingcomplex Haplotyping isa susceptibilitygenes．Thehaplotypeassemblyproblem a setofDNA dataofan problemthat，given sequencefragment the the individual，induces haplotypes．Forproblem， corresponding basedondifferent are different