生物信息学中的算法问题要点.ppt

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