Language Theory and Bioinformatics.ppt

Language Theory and Bioinformatics Statistical Analysis of DNA Sequences A first and must step in any analysis: Frequency of appearance of strings Correlations of letters and strings 1D and 2D DNA walks vs. random walk Summary in two lines according to Luo Liao-fu: 1. DNA sequences are not random. 2. Characteristics close to randomness. Hint: Statistical methods alone are not powerful enough to amplify the difference between DNA and random sequences and the difference among themselves. Need for new “deterministic” approaches. 超越概率统计方法 概率统计是基本功 频度和关联， 马可夫链和隐马可夫链 神经网络模型 贝叶斯（Bayes）统计、“先验”分布 随机序列是好的参考系吗？ 足够长的符号序列具有不可避免的“规则性” 基因组序列够长吗？ 具有确定后果的随机运动 因果论与目的论 终值分布决定的随机微分方程 超越郎之万：随机微分方程的其他提法 分子马达、沿细胞骨架的运动 语言学方法：语法和语义 语义问题、遗传“字典” Gnomics: A DNA Dictionary (1986) 目前：5000转录因子结合位点 300内切酶识别点 各种重复序列，卫星、微卫星 Language Metaphor in Biology Transcription (转录) Translation (翻译) Edition (编辑) Modification (修饰) Words As landmarks, e.g., recognition sites for : Restriction endonucleases （REBASE） methylases （REBASE） transcription factors （TRANSFAC） As components of “sentences” : promoters （EPD）, enhancers silencers, insulators, terminators splicing sites Sentences enhancer — silencer — enhancer — … promotor — ( exon — intron )k— exon — terminator Essays/Articles genes, “ junk”, … Encyclopedia Complete genome of a species Reference Library Kingdom Monera, …, kingdom Animalia 自然语言与遗传语言 相似处： 多义性 冗余度 容错和纠错 长程关联 均基于离散的排列组合系统 有某些语法，但不能完全生成 方言、个体差异性 演化、突变、灭绝 历史“垃圾”、古语、“化石” 外来语、横向交换 语言学（language 而非 philology）方法 统计语言学