DNA序列分析中的数学模型.pdfVIP

第 17 卷第 3 期 湖　北　工　学　院　学　报 2002 年 09 月 . 17 . 3 　 . 2002 Vol No Journa l of Hube i Polytechn ic Un iversity Sep [ 文章编号] 1003- 4684 (2002) 09- 0052- 04 D NA 序列分析中的数学模型 朱永松, 蔡光兴, 黄　斌 (湖北工学院数理系, 湖北 武汉 430068) [摘　要] 探讨了用马氏距离研究基于碱基含量特征的分类方法、用数字信号处理的理论讨论基于碱基位置 ( ) 特征的分类方法、单位序列所含信息量 即熵 的多少对DN A 序列进行分类等三种方法, 建立了对应的分类 模型, 并得到了各模型的算法以及判别函数, 对解读DN A 全序列图有一定的指导意义 [ 关键词] DN A 序列; 数学模型; 马氏距离; 中心矩; 熵 [ 中图分类号] O 2 12 5 [ 文献标识码]: A 1　问题的提出 最普遍的思想是省略序列的某些细节, 突出特征, 然 后将其表示成适当的数学对象 这种被称为粗粒化 和模型化的方法往往有助于研究规律性和结构 2000 年 6 月, 人类基因组计划中DN A 全序列 对DN A 序列进行分析, 研究DN A 序列的结构 草图完成; 200 1 年完成精确的全序列图, 人类拥有 是主要方法 笔者研究母本DN A 序列的结构, 从 一本记录着自身生老病死及遗传进化的全部信息的 中提取特征, 构造分类方法, 并用这些已知特征类别 “天书” 这本大 自然写成的“天书”是由4 个字符 的序列, 对其他DN A 序列进行归类, 找出它们之间 、 、、 按一定顺序排成的长约 30 亿的序列, 其 A T C G 的共性与特性, 来进一步研究DN A 序列, 从而解读 中没有“断句”也没有标点符号, 除了这 4 个字符表 这部天书 示 4 种碱基以外, 人们对它包含的“内容”知之甚少, 难以读懂 破译这部世界上最巨量信息的“天书”是 2　问题的分析与建模 2 1 世纪最重要的任务之一 在这个 目标中, 研究 DN A 全序列具有什么结构, 由这 4 个字符排成的看 2 1　基于碱基含量特征分类 似随机的序列中隐藏着什么规律, 又是解读这部天 1) 　在DN A 序列片段的分类问题中, 所遇到 书的基础, 是生物信息学( ) 最重要的