求解两物种小系统发育问题的模拟退火算法.docVIP

求解两物种小系统发育问题的模拟退火算法 　　摘要：针对复制丢失比对问题模型，提出求解复制丢失演化模型下两物种小系统发育问题（SPP）的模拟退火算法（SA2SP）。SA2SP引入比对算法用于构造问题初始解；引入标记算法用于构建问题解的目标函数，以得到问题解的进化代价；同时还引入3种智能邻域函数，利用基因序列的进化特性，指导性地产生邻域解。利用4种真实菌属的核糖体核糖核酸（rRNA）和转运核糖核酸（tRNA）基因数据对算法的性能进行测试，实验结果表明， SA2SP能够获得较伪布尔线性规划（PBLP）求解算法更小的进化代价，是求解复制丢失演化模型下两物种小系统发育问题的一种有效方法。 　　关键词：小系统发育问题；模拟退火；邻域函数；基因 　　中图分类号：TP301.6文献标志码：A英文标题 　　0引言 　　高通量基因测序技术提供了大量已测定的脱氧核糖核酸（DeoxyriboNucleic Acid， DNA）序列数据，这些数据使基因家族（gene family） 进化史的研究工作成为可能，继而帮助揭示显性的基因组学基础，研究基因的功能。例如，转运核糖核酸（transfer RiboNucleic Acid， tRNA）是合成蛋白质所必不可少的重要物质，探索物种间tRNA的进化史或许可为转录机制的研究提供新的思路[1-4]。 　　小系统发育问题（Small Phylogeny Problem， SPP）[1-2，5-6]是求解基因家族进化史的一个重要问题模型，由于复制（duplication）及丢失（loss）这两种基因内容修改操作在基因家族进化中起主导作用[7-10]，Holloway等[1]提出一种SPP的衍生模型，即复制丢失演化模型下的两物种小系统发育问题（TwoSpecies SPP in the DuplicationLoss model， 2SPPDL），并将该问题归约成复制丢失比对问题（DuplicationLoss Alignment problem， DLA）模型。DLA模型一般情况下是 NP 难的[1]，Holloway等[1]提出了求解该模型的伪布尔线性规划（PseudoBoolean Linear Programming， PBLP）求解算法，该算法时间复杂性是指数级别的，其性能受到问题规模的制约，当基因序列位点数增多时，算法的有效性会变差。PBLP算法为确保获得无环解，循环地加入除环约束，针对该问题，2013年，Andreotti等[2]提出基于图论理论的DupLoCut算法，该算法在求解的过程中智能地剪切掉无用边，从而提高了算法的求解效率，但该算法的时间复杂性仍然是指数级别的。 　　模拟退火（Simulated Annealing， SA）算法作为一种智能优化方法，是求解NP完全问题的有效手段，已被成功运用于求解基因序列比对问题，并取得较好的比对效果[11-14]。本文基于SA算法对DLA模型进行研究，提出求解2SPPDL问题的模拟退火算法（Simulated Annealing algorithm for Solving 2SPPDL， SA2SP）。主要工作包括：1）引入一种基于贪心策略的启发式比对算法，并使用该算法生成问题初始解并辅助产生邻域解；2）引入一种启发式的比对标记算法，并以此计算问题解的目标函数；3）引入基因块智能移动、相邻基因块位置互换和重新匹配基因块三种智能邻域函数， 邻域函数充分利用了基因序列的进化特性，产生具有一定指导性的邻域解。实验测试结果表明，算法SA2SP能有效求解DLA模型，并获得较算法PBLP更小的进化代价，是求解2SPPDL问题的一种有效方法。 　　3实验结果 　　本文采用真实的生物数据来比较分析算法SA2SP和PBLP的性能。SA2SP算法在一台安装了Windows XP Professional操作系统的联想工作站（Intel Core i53570 CPU 3.40GHz，内存为4GB）上运行，程序编译器为Microsoft Visual C# 2012。PBLP算法在一台安装了Ubuntu 12.04操作系统的同样配置的联想工作站上运行，程序编译器为Python 2.7.3。 　　3.1实验数据 　　本文采用表1中4种菌属的真实tRNA和rRNA数据对SA2SP和PBLP两种算法进行算法性能比较：5个芽孢杆菌（Bacillus）、5个耶尔森氏菌（Yersinia）、10个链球菌（Streptococcus）和12个不动杆菌（Acinetobacter）。为方便描述，本文对各菌属的基因进行编号，详情参见表1，其中NC开头的基因序列来自于National Center of Biotechnology Information （NCBI）