基于同源性及亲缘性的必需基因预测软件.PDFVIP

基于同源性及亲缘性的必需基因预测软件 Geptop改进实现 罗森 Geptop  Geptop(gene essentiality prediction tool based on orthology and phylogeny) 是由我们课题组的魏闻师兄基 于基因同源性及亲缘性开发的必需基因预测工具。虽 然只用到了同源性与亲缘性这两种特性，但是预测的 准确性非常高，达到国际领先水平。并且在2013 年成 功于PLos One 上发表了文章(Geptop: a gene essentiality prediction tool for sequenced bacterial genomes based on orthology and phylogeny) 。 Geptop原理  同源性 直系同源基因的确定采用了双向最优匹配（Reciprocal best hit ；RBH）方法。如图所示： 对两个特定的基因组，互相用做参考集，然后用blastp 在默认参数下寻找同源基因对。如果有多重匹配，使 用最小E 值的为最优匹配。最终得到两组同源基因对， 我们保留两组的交集为双向最优匹配的同源基因对。 Geptop原理  亲缘性 对于两个不同物种之间的亲缘距离，我们是通过使用 郝柏林院士提出的组成向量(Composition Vector ；CV) 方法来实现的。计算的流程如图所示： 对两个特定的基因组，我们首先算出氨基酸序列（长 度为L）中六肽（Six-peptides）的出现频率，因为常用 氨基酸为20种，我们得到两个620 维度的频率向量 f(a a a a a a ) 。 1 2 3 4 5 6 Geptop原理 当我们得到频率向量后，将此向量除以L-5得到概率 向量p(a a a a a a ) 。用同样的方法计算四肽和五肽的 1 2 3 4 5 6 概率向量，并使用马可夫模型（Markov model）定义 0 随机背景p (a a a a a a ),公式如下： 1 2 3 4 5 6 0 p (a a a a a )p (a a a a a ) p (a a a a a a ) 1 2 3 4 5 2 3 4 5 6 1 2 3 4 5 6 p (a a a a ) 2 3 4 5 之后通过以下公式(公式2-2) 获得组成向量a: p (a a a a a )p (a a a a a ) 0  1 2 3 4 5 2 3 4 5 6 p  0 a(a a a a a a )  p (a a a a ) 1 2 3 4 5 6 2 3 4 5  0 p 0 0  Geptop原理 通过之前的公式计算出两个基因组的组成向量a和b ， 然后计算出a和b之间的余弦值C ，公式如下所示： a b C a  b 计算出余弦值C