Phrap算法在DNA序列拼接中的应用与改进研究.pdfVIP

研究与开发 ／ ／ 一 ——— —— ——— —— ——— —— ——— —— ——— —— ——— —— ——— —— ——— —— —— ——— —— __／ Phrap算法在 DNA序列拼接中的应用与改进 胡嘉瑜 (四川大学计算机学 院，成都 610225) 摘 要 ：介绍 DNA序5,1拼接 的背景与意义 ，详细介绍和分析Phrap算法在 DNA序列拼接 中的应 用 ．并针对 DNA序列拼接算法提 出改进 。 关键词 ：生物信 息；DNA序列拼接 ；Phrap；改进算法 0 引 言 DNA序列拼接算法可以分为两大类 ：一类是基于 哈密顿路径 (HamihonianPath)的算法 ，另一类是基于 2000年6月 ．人类基因组计划 (Hu1q1anGenomePro— 欧拉路径 (EulerianPath)的算法 。在生物信息学中，通 iect，HGP)III的初步成功 ，表明以大规模 DNA测序为基 常把 随机打 断 DNA序 列所 得 的小 片段序 列称 为 础．以生物信息学为先导的生物信息资源开采 、发现 、 reads．DNA拼接的终极 目标就是要把这些reads连接 鉴别新基因是最有效 、也最为经济的方法。从此 ，人类 起来 ．连接成尽可能长的DNA序列 ．并把该序列称为 基因组的研究将全面进入数据信息提取和数据分析阶 contig。 段．即生物信息学将发挥重要作用的阶段。基因组测序 的 目标与任务就是要确定 DNA分子的碱基序列 ，而 2 DNA序列拼接算法 Phrap简介 DNA序列拼接 (DNASequenceAssemblv)则是基 因组 基于哈密顿路径 的拼接算法有三个步骤 “Overlap— 测序的关键技术之一 Layout—Consensus” 而PhraD算法嘲是基于哈密顿路径 目前 ．基 因组测序的主要困难是 ：普通高等生物 的 的第一类拼接算法 ，同样有上述三个步骤 。Phrap算法 基因组碱基数 目巨大．例如人类基因总长为 30亿碱基 的大致过程如下 ： 对 (BasePair．简称BP)，而依靠当前的技术可 以直接测 ●寻找 0verlaD区域：使用实验得到的基因测序片 出DNA序列的长度不超过 1000个碱基对 (一次实验 段 reads作为数据源 ．在片段 间两两 比对 ．找到所有 的 得到的碱基序列称为 Read)[21．这