基于位置信息的非比对序列聚类方法-计算机应用与软件.PDF

第３４卷第１２期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．１２ ２０１７年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１７ 基于位置信息的非比对序列聚类方法 魏　静　徐彭娜　江育娥　林　稢 （福建师范大学软件学院　福建福州３５０１０８） 摘　要　　非比对序列相似性模型直接采用序列自身的统计信息来计算序列之间的相似度，具有运算速度快、聚 类结果准确等优点。提出一种基于位置信息的非比对序列相似性模型，通过提取Ｋ词模型中每个词的ＬｏｃａｌＦｒｅ ｑｕｅｎｃｙ（ＬＦ），计算对应Ｋ词的ＬＦ熵，并结合Ｋ词频率进行序列的特征提取，应用于蛋白质聚类。实验结果表明 该方法能够有效地提取序列的信息，提高聚类的准确率。 关键词　　Ｋ词　ＬＦ熵　Ｋｍｅａｎｓ聚类　位置信息 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．１２．００８ ＡＬＩＧＮＭＥＮＴＦＲＥＥＭＯＤＥＬＦＯＲＳＥＱＵＥＮＣＥＣＬＵＳＴＥＲＩＮＧＭＥＴＨＯＤＢＡＳＥＤ ＯＮＬＯＣＡＴＩＯＮＩＮＦＯＲＭＡＴＩＯＮ  ＷｅｉＪｉｎｇ　ＸｕＰｅｎｇｎａ　ＪｉａｎｇＹｕ’ｅ　ＬｉｎＪｉｅ （ＦａｃｕｌｔｙｏｆＳｏｆｔｗａｒｅ，ＦｕｊｉａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ３５０１０８，Ｆｕｊｉａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｌｉｇｎｍｅｎｔｆｒｅｅｓｉｍｉｌａｒｉｔｙｍｏｄｅｌｆｏｒｓｅｑｕｅｎｃｅｃａｌｃｕｌａｔｅｓｔｈｅｓｉｍｉｌａｒｉｔｙｂｅｔｗｅｅｎｔｈｅｓｅｑｕｅｎｃｅｓｂｙｕｓｉｎｇｔｈｅ ｓｔａｔｉｓｔｉｃａｌｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｓｅｑｕｅｎｃｅｓ，ｗｈｉｃｈｈａｓｔｈｅａｄｖａｎｔａｇｅｏｆｆａｓｔｃａｌｃｕｌａｔｉｏｎａｎｄｈｉｇｈｐｒｅｃｉｓｉｏｎ．Ａｌｉｇｎｍｅｎｔｆｒｅｅ ｍｏｄｅｌｆｏｒｓｅｑｕｅｎｃｅｃｌｕｓｔｅｒｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎｐｏｓｉｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｗａｓｐｒｏｐｏｓｅｄ．Ｔｈｅｆｅａｔｕｒｅｓｏｆｓｅｑｕｅｎｃｅｓｃａｎｂｅ ｏｂｔａｉｎｅｄｂｙｃｏｍｂｉｎｉｎｇｔｈｅＬＦｅｎｔｒｏｐｙｏｆｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｗｏｒｄｗｈｉｃｈｗａｓｃａｌｃｕｌａｔｅｄｆｒｏｍｔｈｅＬｏｃａｌＦｒｅｑｕｅｎｃｙｏｆｅｖｅｒｙ ｗｏｒｄｗｉｔｈｔｈｅＫｍｅｒｓｍｏｄｅｌ，ａｎｄｔｈｅｆｒｅｑｕｅｎｃｙｏｆｅｖｅｒｙｗｏｒｄ．Ｔｈｉｓｎｅｗｍｅｔｈｏｄｃａｎｂｅａｐｐｌｉｅｄｔｏｐｒｏｔｅｉｎｃｌｕｓｔｅｒｉｎｇ． Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈｉｓｎｅｗｍｅｔｈｏｄｉｍｐｒｏｖｅｄｔｈｅａｃｃｕｒａｃｙｏｆｃｌｕｓｔｅｒｉｎｇｅｆｆｅｃｔｉｖｅｌｙ． Ｋｅｙｗｏｒｄｓ　　Ｋｍｅｒｓ　Ｌｏｃａｌｆｒｅｑｕｅｎｃｙｅｎｔｒｏｐｙ　Ｓｅｑｕｅｎｃｅｃｌｕｓｔｅｒｉｎｇ　Ｐｏｓｉｔｉｏｎｉｎｆｏｒｍａｔｉｏｎ 这两类算法，他们均是基于识别“比对种子”的启发式 ０　引　言 算法，并得到广泛的应用。非比对法包含有图形表示 法、概率统计方法、Ｋ词的方法、文本压缩方法以及信 在生物信息研究领域中，序列的特征提取和相似 息理论方法等。Ｄａｉ等［３］在序列比较的非比对法研究 性检测是十分重要的，对大量的生物序列进行聚类分 中，通过集成生物序列中字的重叠结构和背景信息，提 析是生物数据挖掘的研究方向之一，其应用前景十分 出了一种新的统计方法。ＢｏｎｈａｍＣａｒｔｅｒ等［４］等在文 广泛。近年来，快速发展的生物科学技术使得生物信