单体型装配问题研究现状.docVIP

PAGE  收稿日期：2010-03-03 基金项目：铜仁学院自然科学基金（编号TS10018）。 作者简介：杨英杰（1982-），女，硕士，讲师，主要研究方向：最优化方法、生物信息学。 第13卷?第2期 铜仁学院学报 Vol. 13 , No. 2 2011年?3 月 Journal of Tongren University Mar. 2011 单体型装配问题的研究现状 杨英杰 （ 铜仁学院 数学与计算机科学系，贵州 铜仁 554300 ） 摘 要：单核苷酸多态性（SNP）是指不同个体DNA序列上的单个碱基的差异，是人类基因组中最丰富的遗传变异。单体型是指位于一条染色体上或某一区域的一组相关联的SNP等位基因。研究表明在复杂性疾病研究方面，由多个变异位点组合构成的单体型所携带的信息比单个的SNP数据的信息更有价值，由此衍生了单体型装配问题。文章论述了SNP，单体型，基因型的定义，综述了求解单一个体单体型装配问题的主要模型及算法，同时阐述了求解群体单体型装配问题的5种方法及算法。 关键词： 单体型； 单体型装配； SNP； 基因型 中图分类号：R394 文献标识码：A 文章编号：1673-9639 (2011) 02-0135-04 1．SNP、单体型与基因型 国际人类基因组测序计划的完成，为全世界的科学家提供了一套精准的人类基因组序列图谱，为人类真正了解自身奠定了重要基础。同时，我们也惊奇地发现：任何两个不同个体的基因组序列至少有99.99%的碱基对是相同的，也就是说剩下的仅仅0.01%的差异包含了遗传上的差异因素。人们普遍认为DNA序列上的差异是不同个体之间表型差异（如肤 色、发色，以及对疾病、药物的敏感性等）的重要原因。这些序列上单个碱基的差异称为单核苷酸多态性（SNP）。它是人类可遗传变异中最常见的一种，占已知多态性的90%以上。 双倍体生物的基因组由一对染色体组成，一条来自父方，一条来自母方。单核苷酸多态性（SNP）是指染色体上的某些核苷酸位置，在这些位置上，不同个体的DNA 序列有多种取值。在SNP 位置上出现的核苷酸称为等位基因。一般地，在一个生物种群当中，出现在某个SNP位置上的核苷酸只有两种，而不是四种（A、G、C、T）。位于一条染色体 上某一区域的一组等位基因称作单体型。位于一对染色体上某一区域的由成对的等位基因所组成的序列称作基因型，基因型是一对单体型的混合信息，如图1所示。如果基因型的某个位置上的一对等位基因相同，则称这个SNP位置上是纯合的，否则称为杂合的。 SNP SNP SNP 染色体1 A G A G A A T T C G A C A T C C C G T T C染色体2 A C A G A A T T C G A C A T C C C G A T C 单体型1 G A T 单体型2 C A A 基因型 {C；G} {A；A} {T；A} 图1 某个个体的单体型与基因型 由于单体型包含着多个SNP的遗传信息，许多研究表明，在与复杂性状的相关分析中，采用单体型比单个SNP具有更好的统计分析效果。由于在现有的实验条件下获得单体型数据非常困难，也非常昂贵，而获得基因型数据或SNP数据却很容易，因此利用计算 136 铜仁学院学报 2011年 的手段推测单体型数据越来越重要，由此衍生了单体型装配问题。它大致分为两类，一类是单一个体单体型装配问题，一类是群体单体型装配问题。 2．单一个体单体型装配问题 单一个体单体型装配问题是从给定的某对染色体上的SNP片段数据来装配某个个体的一对单体型。给定的数据可能是比对好的带有SNP信息的基因组片段（由鸟枪测序法得到），也可能是进行大规模单体型推测时前期工作所得到的。当我们只考虑SNP位置时，这些短的基因组片段实际上就是比对好的SNP片段。如果知道一个个体的某对染色体上的全部DNA 序列，装配单体型实际上就是简单地检查一些SNP位置上的核苷酸取值。然而，由于DNA 测序方法的限制，我们只能得到一些短的DNA片段，而且这些片段不可避免地含有一些错误。另外，两条染色体的同源性也使问题变