基于改进的k最近邻算法的单体型重建问题.docVIP

Computer Science and Application 计算机科学与应用, 2012, 2, 17-21 /10.12677/csa.2012.21004 Published Online March 2012 (/journal/csa) An Improved KNN Algorithm for Haplotype Reconstruction Problem Tao Zhuang, Hong Liu School of Computer Science and Technology, Shandong University, Jinan Email: zhtao663@163.com Received: Dec. 1st, 2011; revised: Dec. 29th, 2011; accepted: Jan. 14th, 2012 Abstract: Single Nucleotide Polymorphisms (SNPs) is a single base pair position in genomic DNA where different nucleotide variants exist in some population, and is considered as the most frequent form of human genetic variants. The haplotype is composed of the SNP which was found to contain more genetic information. Study it plays an important role in the diagnosis of disease and drugs design. Haplotype reconstruction is to reconstruct a pair of haplotypes from localized polymorphism data got through short genome fragment assembly. In this paper, a new clustering method, based on KNN and PSO algorithms, is proposed to solve haplotype reconstruction problem. In the end, it will be used simulation data and real biological data to test the proposed algorithm, and the results show that the proposed method is feasible. Keywords: SNP; Haplotype Assembly; Cluster; KNN; PSO 基于改进的 k最近邻算法的单体型重建问题 庄 涛，刘 宏 山东大学计算机科学与技术学院，济南 Email: zhtao663@163.com 收稿日期：2011年 12月 1日；修回日期：2011年 12月 29日；录用日期：2012年 1月 14日 摘 要：单核苷酸多态性(SNPs)是人类遗传变异中最显著的一种形式，是一个物种中 DNA序列中某个位点上的 碱基变化。人们发现由单核苷酸组成的单体型比单一的单核苷酸包含更多的生物遗传信息，因此研究单体型对 于诊断疾病和药物研制有着重要作用。单体型重建就是对由 SNP片段组成的基因片段进行组装，从而构造出原 来的一对单体型。本文在 k 最近邻和粒子群算法的基础上，提出一种解决单体型重建问题的一种聚类算法。最 后，本文将用模拟数据和真实数据来检验本文所提出的算法，结果证明所提出的算法可行。 关键词：单核苷酸多态性；单体型重建；聚类；k最近邻算法；粒子群算法 1.引言 基因的研究、遗传疾病的诊断和药物研制有着重要作 [1] 用。人类的 DNA 序列是按染色体成对出现的，每一 条染色体上 SNP位点上的碱基序列叫做单体型，所以 人类等二倍体生物都有一对单体型。在医学研究中， 单体型数据通常比单个 SNP携带更多的信息。基于单 体型在遗传分析上的重要性，现在人们较为关注的是 单体型的检测问题。 随着人类基因组图谱的基本完成 ，人们对遗传 的差异性、由基因突变引起的疾病复杂性有了更精确 的阐释 。现在人们普遍认为，DNA序列中少数的差 [2] 异是导致遗传疾病的主要原因。单核苷酸多态性 (SNPs)，DNA某一位置碱