生物信息学中的算法问题资料.pptVIP

评价 优点： 坚实的理论基础 对结果的加强： 不仅仅是包含所有子串 而是犯错误的概率最小 缺点： 慢 效果不好 Local Search算法： 可行解： 片段的排列 相邻关系： 两个片段交换位置 目标函数： 超串长度 算法框架： 0 计算并保存每两个子串之间的overlap数 Repeat: 1 随机选择排列P,得到相应的超串的长度t, 2 Repeat: 在P的邻域内进行搜索, 如果邻域内存在P’对应的超串长度小于t, 则P -P’; Until: P是邻域内的最小点。 Until 终止条件满足 Heuristics: 1. 将排列环起来，搜索最短的环状超串 2. 整个group的移动 3. 寻找排列中使得overlap最小的地方，将环截断，形成多个线性的子超串contigs 结果： 找出的串可以近似看作最短超串，算法可独立用于求最短公共超串问题； 重复的片段在contigs的两侧； 通常按这种方法找出的contig是原始串的子串； 拼接水稻基因组联盟1,10,11号染色体，效果得到了很高的评价 用于华大基因中心水稻完全图项目 DeNOVO算法 质谱的简化模型： 考虑26个英文字母， 每个字母有权重W c 对字符串S， 已知质谱＝ 问：字符串＝？ 难点： 1。一次打断形成两个离子，混杂在一起 2。峰的类型不知道，是b离子,y离子还是混合体？ 3。离子的修饰：脱氨、脱水、同位素等 组合优化问题： 已知谱L， 求序列S A0A1A2…An , 满足： 同时 max f spectrum S , L 根据生物学知识确定合适的函数f 结果1： 答案: LVNELTEFAK 结果： LVNELTEFAK LVNELTHLPK LVNELTYSPK 结果2： 答案: HPEYAVSVLLR 结果： HPEYAVSVLLR HPEYAVWLLR HPEYAVPVFPK 结果3： 答案: HLVDEPQNLLK 结果： HLVDEAGPNLLK HLVDEQPNLLK HLVDEPQNLLK 蛋白质相互作用网络分析 复杂的蛋白质相互作用网络 酵母: 2617蛋白, 11855连接 任务1：根据拓扑关系聚类 目标：将蛋白质分类，使得 类内蛋白质连接紧密 类间蛋白质连接稀疏 思路： 第一步：先转化到欧式空间 第二步：使用Ward法聚类 转换方法： 寻求方向Y，满足： 每个结点都尽量得靠近其邻居 即：min 定理：Y是对称阵AT L-A A的最小特征值 对应的特征向量 其中L是Laplacian矩阵 聚类结果分析： 1。类内连接紧密，类间稀疏 2。同一类蛋白质功能类似 聚类谱系图 任务2：蛋白质相互作用网络的谱分析 1 2 3 . . . 2617 1 0 1 0 0 1 0 0 2 1 0 0 1 0 0 1 3 0 0 0 0 0 1 0 . 0 1 0 0 0 0 0 . 1 0 0 0 0 0 0 . 0 0 1 0 0 0 0 2617 0 1 0 0 0 0 0 谱分析 1。正特征值相应的特征向量，绝对值较大分量相应蛋白质近似成团； 2。正特征值相应的特征向量，绝对值较大分量相应蛋白质近似成二部图； 团和二部图 团： 分析：同一团的蛋白质生物学功能相似 应用：预测未知蛋白质的功能 结果： 分析了48个团， 预测了100个未知蛋白质的功能 部分结果Nature 5月份文章实验验证 二部图： 分析： 同一复合物的不同亚基 重要蛋白质的备份 一个完整生化流程，不同阶段的反应物 应用： 预测Pathway 目前工作： 1。系统生物学，ncRNA研究 2。比较基因组学： 猪、人、鼠非编码区比较 3。生物信息专用计算机： 快速的Blast及全基因组比对 * * * * * * tandem affinity purification 经典解法及其结果： maximum flow: Edmonds-Karp algorithm 1972 enumeration of all minimum cuts: Picard-Queyranne algorithm 1980 complexity: O n3 n is the number of residues in structure 6. 序列注释 输入： DNA序列 输出： 各个功能位点：基因、启动子、ncRNA。。。 可以利用的知识： 生物学规律 正例和反例 当前最好的方法： HMM 形式语言 7. 蛋白质质谱鉴定 生物学问题： 原有的Edman方法昂贵、耗时 根据质谱来测定蛋白质氨基酸序列 什么是质谱？ 样品制备 酶切 或者 物理方法切割 一级质谱：片段分离 Mass Spectrome