Tandemeat查找方法比较＊） - 20090418061315.pdfVIP

维普资讯 计算机科学 2005Vo1．32№．10 Tandem repeat查找方法比较*) 徐恒字 王 镝 王国仁 郑若石 (东北大学信息科学与工程学院 沈阳110005) 摘 要 Tandemrepeat在基因组成和进化中起到非常重要的作用，查找和分析 Tandme repeat已经成为当前生物信 息学的一个前沿领域和研究焦点。目前在这一研究领域存在多美解决方法，主要有基于LZ分解技术的方法和最近 兴起的基于后缀树索引的方法。本文选取了两种时间复杂度达到O(nlogn)数量级的代表性的方法，对这两种方法进 行 了全面的综述，并对它们的性能进行了系统的比较和分析。 关键词 Tandemrepeat，LZ分解，后缀树 MethodsofFindingTandem RepeatinString XU Heng-Yu WANG Di WANGGuo-Ren ZHENG Ruo-Shi (ScI啪 lofInformationScience＆ Engineering，Northeastem University。Shenyang110005) Al~ract Tandem repeattakessuchanimportantroleingenecompositionna devolutionthatthesae~handna alysisof tandme repeathavebecomeoneofthefrontdomainnadresearchfocus．Therearemultiplemethodsinrecentworks， mainlyincludingtwomethod s．OneisbasedonLZdecomposition，na dtheotherisbasedonsuffixtreeindex．Thispa- persummarizethesetwoO(nlogn)methodsnadtakesathoroughnaalysisnadocmparisonoftheirperformance． Keywords Tnadme repeat，LZdeocmposition，Suffixtree 找方法也被采用了，但是都没有达到0(nlogn)甚至是线性的 1 引言 时间复杂度 [5]。而后有一些方法通过限制 atndme repeat的 2O世纪后期 ，生物科学技术迅猛发展，无论从数量上还 输出个数(仅输 出pri-mitiveatndme repeat)，使算法 的复杂 是从质量上都极大地丰富了生物科学的数据资源。尤其是随 度达到 O(nlogn)[“引。如果一个 tandme repeat的模式a不 着基因测序技术 的快速发展以及人类基因组项 的启 能表示成任意其他的 atndemrepaet，则称其为 primitivetan- 动，人们对各种生物序列(包括 DNA、RNA、蛋 白质)的结构 dme repaet。 进行了非常深入的研究并得到了大量的测序结果。 目前在这一研究领域有多种 比较实用的查找方法，其中 对DNA序列的试验分析表明序列中含有大量的tandem 具有代表性的两类方法是基于 LZ(LempeLZiv)分解技术的 repeat，例如 ，在人类 DNA序列中tandemrepeat的片段在整 查找方法和基于后缀树索引结构的查找方法。本文详细介绍 个序列中的比例超过5O …。近年来对DNA序列中tandem 上面提到的这两类有代表性的方法 ，分别实现了这两种算法， repeat的分析试验表 明tnadme repeat在基因组成和进化中 并在实验结果的基础上对它们作出了性能分析和比较。 起到非常重要 的作用Is,4]，同时它是产生多种疾病 的病