[生物信息学常用算法简介.pptVIP

生物信息学常用算法简介 北京大学生物信息中心 北京基因组研究所 李松岗 lsg@pku.eud.cn 010常用算法1：动态规划 动态规划算法是一种优化算法，它本质上是一种有效的穷举法。 它的基本想法是最优路径上的每一段都应该是局部的最优路径。 动态规划算法的典型应用：序列比对。 序列比对应用举例 序列组装 进化分析 保守区发现 蛋白质结构与功能预测 cDNA的基因组定位 基因结构与功能分析 序列比对模型 类型：全局比对与局部比对 需考虑的因素：替换，插入，删除 例：AGCTA–CGTACATACC AGCTAGCGTA– –TAGC 打分系统：替换矩阵。记为： σ(a,b) 其中a, b为我们考虑的字符集中的元素。 比对算法的目标，就是找到在给定打分系统下，得分最高的比对方式。 动态规划算法（全局比对） 两序列：A=a1a2a3……am B=b1b2b3……bn 用Ai，Bj分别表示上述序列的前i个和前j个碱基。 矩阵元素S(i, j)表示Ai，Bj所有可能比对中的最高得分。则有递推公式： S(i, j)=max{S(i-1, j-1)+σ(ai,bj)， S(i, j-1)+σ(–,b)，S(i-1, j)+σ(a,–)} 局部动态规划 递推公式改为： S(i, j)=max{0，S(i-1, j-1)+σ(ai,bj)， S(i, j-1)+σ(–,b)，S(i-1, j)+σ(a,–)} 局部动态规划图示 动态规划算法的改进 用动态规划方法进行序列比对，需要nm到nm2的计算时间和nm的存储空间。当序列很长时，常常无法计算。因此人们陆续提出了许多改进算法，能节省空间和时间。有兴趣的同学可参考相关文献。 其他DNA打分矩阵及其对比对结果的影响 例如： 若得分大于罚分，则可得到长的，有较多插入删除的结果；反之，则得到短的，局部的比对结果。 蛋白质序列比对的打分矩阵 PAM矩阵（Persent Accepted Mutation)：基于进化模型的打分矩阵。 当进化过程中一条序列1%的氨基酸发生了突变，定义该序列在进化的历史上走过了1个PAM单位。此时定义的转移矩阵称为1-PAM的突变矩阵。Dayhoff 等（1978） 从 71个蛋白家族中的1300条近相关（closely related）序列出发（其中任何两对序列之间氨基酸残基差异不大于15%），通过构造进化树对序列进行联配，得到氨基酸对之间的联合概率分布。在此基础上得到了1-PAM的突变矩阵 。 表中各列满足 若fi （i =1～20）表示20种氨基酸在自然界中的分布，该矩阵还满足 由于fi 是自然界中氨基酸经过长期进化后形成的一种稳定分布，因此满足关系 也就是说，可以通过对1-PAM突变矩阵外推得到n-PAM的突变矩阵，用来表示相距n –PAM进化单位的蛋白质之间氨基酸残基的突变概率。即 对250-PAM突变矩阵，有： 即经过250个PAM单位进化后的蛋白质分子，与它的祖先相比较，大约只有20%左右的氨基酸残基保持不变。 当我们通过动态规划对两个序列进行联配时，用到PAM突变矩阵的另一种形式，PAM打分矩阵，其中PAM-1打分矩阵定义为： PAM-250打分矩阵定义为： C 17 S -19 12 T -22 -13 12 P -33 -19 –20 13 A -18 -14 -18 -19 11 G -25 -19 -25 -25 -18 11 N -24 -16 -18 -24 -22 -19 13 D -32 -19 -20 -23 -21 -21 -14 13 E -35 -19 -21 -22 -19 -24 -20 -13 12 Q -29 -18 -19 -20 -19 -23 -17 -19 -13 14 H -22 -20 -20 -23 -22 -24 -15 -19 -19 -14 16 R -24 -20 -21 -23 -22 -22 -20 -24 -21 -15 -18 13 K -33 -20 -18 -22 -21 -24 -17 -20 -16 -14 -19 –13 12 M