用基于模糊聚类的Kruskal算法构建进化树.pdfVIP

第 20卷第 4期 海南师范大学学报 (自然科学版) Vo1I20 No．4 2007年 12月 Journal of Hainan Normal University(Natural Science) Dee．2007 用基于模糊聚类的Kruskal算法构建进化树 柳菁筠，李大超 (海南师范大学数学系，海南海口571158) 摘 要：对线粒体DNA序列可通过图形表示及计算曲线的散度均值来构造模糊论中的相 似矩阵，基于这些，提出一种新的方法：用模糊聚类图论法中的Kruskal算法来进行系统进化树的 重构．并选取了8个物种的线粒体DNA序列来说明此方法． 关键词：DNA；图形表示；模糊图论；进化树 中图分类号：Q 332 文献标识码：A 文章编号：1671—8747(2007)04—0303-04 从生物的DNA序列数据出发重构系统进化树的算法有两大类，其中一类是结构法，另一类是距离法 ． 例如。Jukes和Cantor，Kimura，KishinoHasegawa，Barry和Ha~igan，Lake都提出了不同的距离法；Camin和 0ka1．Eck和Dayhoff．Cavalli—Sforza和Edwards．以及Fitch给出了节约法．它们共同的特征是距离的计算都 基于序列间的比对(alignment)．比对分析对数据的要求严格，通常需要提取序列中的不同功能片段甚至要 进行基因的预测．同时。用于比对的计分矩阵也因为比对物种的不同和比对数据的不同而存征很大的经验 性．为了克服传统的基于序列比对的距离测度的不足，许多学者尝试用非比对的方法来比较DNA序列． 目前，很多学者提出了用图形表示法分析DNA序列．图形表示法的优点是给出简单、直观的方法来观 察、比较不同的基因结构．文f21把张春霆等提出DNA序列的三维图形表示引入分子进化的研究，文【3】提 出应用模糊聚类的方法构建进化树．本文在此基础上提出了应用模糊聚类图论法构建系统进化树，并且以 8种物种为例，说明利用模糊聚类图论法进行系统进化树的重构方法． 1 数据准备 分子数据的大量涌现为系统发育分析提供了丰富的素材，但并非所有的数据都适合对特定问题的分析， 在构建系统进化树时要求事先做出选择，确定那些数据是合理的，那些是不合理的．由于物种的线粒体DNA 序列的差异只与变异有关，而线粒体DNA以每一百万年2．2％的速度变异，它是保守序列，因此我们选取8 个物种的线粒体DNA序列作为研究对象．数据取自GenBank数据库，物种的名称及序列编号见表1． 2 DNA序列的三维图形 表1 物种名称及GenBank索取号 表不■0—0一 文[4]中张春霆等提出DNA序 列的三维图形表示：根据DNA序列 中的4种核苷酸的化学性质和化学 收稿日期：2007-04-20 基金项目：海南省自然科学基金资助项目(807052) 304 海南师范大学学报(自然科学版) 2007正 学结构可将其分为三类：(a)嘌呤R={A，G}，嘧啶Y={C，T}；(b)酮基M={A，C}，氨基K={G，T}；(C)弱 氢键W={A，T}，S={C，G}．将DNA序列的4个基看作一个正四面体的4个顶点，建立一个OXYZ坐标 系，具体的做法可直接用数学形式表示如下： 定义A(1，1，1)，T(一1，一1，1)，C(一1，1，一1)，G(1，一1，一1)；Z曲线上的点 =(A +G )一(Cn+ )， = (A +C )一(G + )， (1) ： (A + )一(Cn+G ) ， 其中A 表示序列中前 个基因中碱基A出现的