A序列的快速查找新方法.pdfVIP

DNA序列的快速查找新方法 347 文章编号:1000-8829(2004)SO-0347-03 DNA序列的快速查找新方法 ANewMethodofFastCompareofDNASequence (北京信息工程学院信息与通信工程系，北京 100101)范 京，焦瑞莉 摘要:提出了一种新的DNA序列编码方法:快速可比对编码 对DNA序列的左起第N-1位，取 [量化值]5N2o (FCC,fastcomparablecode)。采用该法可实现DNA序列的快 对DNA序列的左起第N位，取 [量化值]15X-1. 速比对查找。对于庞大的DNA序列，其比对的工作量非常大， 最后，令该短序列的5进制码为: FCC编码法使得比对的速度加快，从理论上及实际的测算结 CODE=全部量化值的和。 果证实了FCC法的有效性。 这种量化编码采用 5进制数表示，其物理意义十分明显， 关键词:DNA;比较;编码 对一个DNA子序列X，如表示成一般形式，有: 中图分类号:TN919 X二(XI,x2,x3,x4,x5,x6,) 文献标识码:A x;=Ia,，,c,，,g.，,t,，,n, 则其编码为: Abstract:AnewmethodforfastcomparingDNAsequenceis C=(C1,C2,C3,C4,C5,C6,). presented.ThemethodiscalledasFastComparableCode(FCC). 其中，c是‘x对‘应的量化值 (即x;n则c=;0;xi=a.则cr1;xj=c ForlongDNAsequence,thecompareisimportedbutwithvery 则c,2;x,g.则ci=3;xrt则c,4;)oEx.X=acgtntgcaaggt，共 heavycalculateload.Thispaperstudiesthewaytoreducethe 13位，位数本文称基本压缩比N，即N个碱基编为一个数值 compareloadandbyrealcomputerexaminationtoshowtheFCC 码。则有 C=1234043211334，是一个5进制的数。最后，将5 methodefficiency. 进制的数化为十进制的数则是本文的FCC码值。即: Keywords:DNA;compare;code FCC=艺Ck*5k-. DNA序列含有大量的生物信息，对DNA序列的DSP分 由于一般计算机的位数有其自有的规定，如16位机或32 析十分重要。但由于DNA序列的庞大也使得对其的分析，往 位机甚至64位机，其进行一次比对的位数是确定的，例如本 往需要大量的运算。虽然计算机提供了高速运算的能力，但对 文采用普通的32位微机，对长整型的数 (4B,32bit)，其表示 庞大的DNA序列也往往难以满足需要。例如，查询人类DNA 范围为一2147483648到 2147483647。其能容纳的5进制数最 序列 (长度M约30亿对碱基)中，长度在100以上的所有相 多为13位，故可以采用N=13作为例子。即每13个碱基编码 同序列，若每一位碱基做一次比对，总的比对量与长度M 的 为一个整型数，比对一次整型数就可知道13个碱基是否相同， 平方成正比，当M增大时，比对计算量急剧增加，以至用目 而不必比对 13次，从而减少了比对的工作量，实现了快速比 前最快的计算机也失去实用