基于动态权重匹配的RNA折叠算法.pdfVIP

Journal of B iom athem atics 生 物 数 学 学 报 2008，23(4)：743—749 基于动态权重匹配的 RNA折叠算法 陆 健 刘海军 姚 勤 王 勇 陈克平 f江苏大学 生命科学研究院， 江苏 镇江 212013) 摘 要：本文在最大权重匹配 (MaximumWeightedMatching，MWM)算法的基崩f上引入 与茎区长度相关的动态权重，采用一种递归算法逐步寻找具有最大权重和的茎区，从而最终确定 RNA的二级结构．该算法避开了繁杂的自由能计算，同样也能达到较高的预测精确度并且还能 预测到大多数类型的潜在假结 (pseudoknots)． 关键词：RNA二级结构；假结；动态权重匹配 中图分类号：Q752 MR 分类号t92D20；92C40 文献标识码：A 文章编号：1001-9626(2008)04-0743-07 0 引 言 随着近年来对RNA功能研究的日益深入，人们对RNA结构预测和相关算法研究也越来 越重视．从采用的数据量出发可以把 目前的大多数RNA二级结构预测方法分成两类：一是从 头预测 (abinitioprediction)的方法，这类方法只需一条序列；一是比较序列分析方法，这类方 法需要一组若干条具有类似结构的同源RNA序列．从头预测方法包括以最小自由能方法为代 表的动态规划算法，以及一些启发式的茎区组合优化算法．最小自由能方法计算复杂度高，其 算法的空间复杂度为O(n0)，时间复杂度为O(n)，而且不能预测假结 1【】．某些茎区优化算法 如遗传算法、模拟退火算法因为无法保证达到全局最优所以算法精确度不高，这类算法实现起 来也比较复杂 2【3】．比较序列分析方法预测的结果最为可靠，可它需要一定数量的同源序列来 做对比，而且要求这些同源序列之间要有足够的相似程度．在结构分析之前比较序列分析方法 还要对初始序列进行多序列比对，这也是一个复杂的计算过程甚至还需要一定的手工操作 14J． 另外还有一些算法介于这两类方法之间，其中典型的就是最大权重匹配算法，它先利用比对后 的同源序列来统计生成各位点之间的匹配权重矩阵，然后再依据此权重矩阵预测同源的新序 列的结构 】．该算法能在多项式时间内对二级结构、假结甚至更复杂的碱基配对关系进行预 测，但受到权重矩阵准确性的限制，它在预测准确度上的表现还不是很稳定．尤其是当比对序 收稿 日期：2006-11—20 基金项目：江苏高校自然科学研究计划项目(06KJB18o016)；国家重点基础研究发展计划(973计划)(2005CBl210O0) 江苏大学青年自然科学基金 (JDQ03011)． 作者简介：陆 健 (1977f)，男，江苏宜兴人，博士研究生． E-maihlujian@ujs．edu．ca 生 物 数 学 学 报 第 23卷 列数量有限或同源性不强时，以此得出的权重矩阵会导致预测结果的假阳性增高 I7]． 在本文中，我们提出了一种基于动态权重匹配 (DynamicWeightedMatching，DWM ) 的RNA折叠算法，通过递归逐步寻找具有最大权重和的茎区来确定 RNA二级结构，同时还 增加了一个二次递归来预测潜在的假结．我们引入了一项与茎区长度相关的动态权重，并与碱 基配对的固定经验权重值相结合，以此来作为我们算法的优化准则，从而避开了复杂的自由 能计算．两重递归直接寻找最优的RNA二级结构和假结，无需动态规划算法中的回溯过程， 算法的空间复杂度仅为 O(n)而时间复杂度则低于O(n0log礼)．这些都在很大程度上简化了 计算过程，同时还能预测到大多数类型的潜在假结，并且也达到了较高的预测准确度．我们 从GenBank中选取了一组tRNA和一组非编码RNA(noncodingRNA)序列对该算法进行了测