DNA序列问题模型讲述.docVIP

2015年芜湖三校数学建模竞赛 题 目 DNA序列问题模型 摘 要 DNA 序列是由A，T，G，C 四个表示4 种碱基的字符组成的序列。本文研究DNA 序列的结构找出序列间的差异和对八个物种八个物种八个物种 2）假设具有特殊碱基的DNA序列中，特殊碱基可以剔除，其影响可以忽略； 3）8个物种DNA序列具有共同的特征； 假设给定的DNA序列均是从全序列中随机截取出来的,无法确定序列的起始位, 无法从序列中辨认出氨基酸，所以，在对DNA 序列分类时,从碱基层次上进行分类, 而不是从氨基酸层次上分类； 不考虑碱基序列的编码区和非编码区的区别； 题目中所给的样本信息量足够大； 题目附录中所给的数据真实可靠。 3 符号说明 ：各个DNA序列中碱基出现的数量，i为A、T、C或G ：第i个DNA序列的总碱基数目 ：各个DNA序列中碱基的丰度，i为A、T、C或G ：各个DNA序列中碱基i和碱基j的比值，i，j为A、T、C或G ：DNA序列中A、C、G、T的重复次数矩阵 ：DNA序列中A、C、G、T的所占百分量矩阵 ：第i个DNA序列相邻碱基占序列相邻情况的百分比，为A、C、T或G ：R型聚类的特征向量 ：DNA序列中四个碱基之间丰度比矩阵 4 模型的建立及求解 问题一模型的建立及求解 问题分析 首先对数据运用数理统计方法对数据进行计算，得到八个物种八个物种17 21 19 35 17 17 17 35 21 22 20 29 19 15 23 34 19 23 15 35 17 23 20 34 17 20 16 37 20 21 18 33 ] Human 、Opossum、 Lemur 、Rat等4种DNA序列的长度相同，其他四种DNA序列的长度各不相同；同时每种DNA序列四种碱基的的重复情况也各不相同，其中，Human、Goat、Mouse、Rabbit碱基A的重复情况一样；Gallus、Lemur碱基A重复情况一致；Lemur、Mouse碱基T的重复情况一致；Opossum、Mouse碱基C的重复情况一致；Human、Goat、Lemur碱基G的重复情况一致；Gallus、Mouse碱基的重复情况一样；其他物种碱基重复情况各不相同。 （2）碱基的丰度 对8种DNA序列碱基丰度的分析，i中A碱基丰度的计算： 　　　　　（4-1） 其他碱基T、C、G运算方式一样。通过matlab计算出8种序列的中A、T、C、G四种碱基的丰度结果如下（matlab运算的程序代码见附录一）： [ 0.1848 0.2283 0.2065 0.3804 0.1977 0.1977 0.1977 0.4070 0.2283 0.2391 0.2174 0.3152 0.2088 0.1648 0.2527 0.3736 0.2065 0.2500 0.1630 0.3804 0.1809 0.2447 0.2128 0.3617 0.1889 0.2222 0.1778 0.4111 0.2174 0.2283 0.1957 0.3587 ] 并运用matlab作出8种DNA序列四种碱基丰度的散点图（matlab运算程序代码见附录二）如图4-1所示。 图4-1 4种碱基的丰度散点图 　 通过上述散点图可知每种序列的碱基丰度各有不同，G碱基的丰度相对于本序列的其他碱基的丰度都要高，碱基A的丰度在各个序列中丰度差不多，其他三种碱基在序列中波动性较大，差异性较大。 碱基之间的相邻情况 运用matlab计算出DNA序列相邻碱基的情况，分别为各个序列的AA、AC、AG、AT、CA、CC、CG、CT、GA、GC、GG、GT、TA、TC、TG、TT的相邻次数占各条序列相邻情况的百分比，即如表4-1格式，运用matla