符号序列分形研究及其在蛋白质序列剖析中的应用.pdf

符号序列分形研究 及其在蛋白质序列分析中的应用 摘要 ／：『守号序列指的是由如组成英文文本的26个拉丁字母，组成。NA 序列4种核苷酸A、C、G和T，以及组成蛋白质序列的20种氨基酸 的缩写字符组成一列有序符号排列。蛋白质序列是指蛋白质多肽链共 价主链的氨基酸残基的排列顺序，也称为残基或氨基酸的序列。研究 表明蛋白质序列及环境决定其具有特定生命功能的三维构像，但这种 决定作用的机制至今仍未被完全破译，被称为生物学中的“第二遗传 密码”。 形、结构以及现象的总称。分形几何学正因为能够对自然界和工程中 大量存在的不规则、不可微的几何形态进行描述和研究，其理论和应 用已迅速渗透到自然科学的各个学科。定量描述分形的不规则性的参 数是分形维数(简称分维)。分维有多种定义和计算方法，常见的有 Hausdorff维数、计盒维数、信息维数等。现有的求维数的方法大多 为对所求分形集定义--+中N度，再基于该测度寻求一个不随尺度变化 的量，这个量必定为分形维数的某种函数。y／， 本文中对蛋白质序列的分形研究及应用，不考虑其真实的模型， 将蛋白质序列视为～符号序列，对其进行适当的编码转化为数字信号 ， 求该信号的分维，并称之为蛋白质序列分维。／该分维由实际蛋白质链 l 的分形性质和所采用的编码方式共同决定，反映了蛋白质链的某种性 质的排列的自相似性和复杂度，且只基于蛋白质序列信息，计算简便， 十分适用于蛋白质的结构功能分类预测。在研究中我们将编码后的蛋 白质序列线性插值成一条曲线，并定义它为序列曲线。将其与几种常 见的分形集合进行对比，根据其特点采用标尺法，功率谱法，近似盒 维数法，结构函数法以及小波分解后求盒维数的方法求得蛋白质序列 曲线的多种分形维数，另外还为其设计了基于组分含量的信息维数。 计算结果显示各种方法在计算时间，稳定性等方厩各有所长，对于不 同的编码蛋白质序列，该类分维取值都在1．2～1．8之间。文中还介绍 了这类分维应用于蛋白质序列分析中一个实例——蛋白质亚细胞定 位预测。将以上所得分形维数应用到亚细胞定位分类预测中发现，分 形维数的加入能较大幅提高亚细胞定位预测的正确率，使原方法更加 准确有效。同时充分证明了蛋白质序列的分形性质也是决定蛋白质结 构和功能的重要因素。该成果的提出对蛋白质序列的研究具有重大意 义，为今后蛋白质和DNA的序列分析提供了新的研究方向和手段。p／ ， 本文最后还从概率统计意义上讨论了为什么分形维数的引入能提高 序列分类预测的正确率，以及引入多少个分形维数能获得最佳效果。 在研究中，作者还发现不同编码方式对所获得的蛋白质序列的分 形参数也有影响。本文从理论上对符号序列的编码选择进行了初步的 探讨，提出了与编码规则一～对应的编码映射曲线的概念，讨论了不 同编码映射下的符号序列的分形维数的关系，得出了不改变序列曲线 分形维数的编码映射变换群的结论，并以此推导出对于任一符号序 列，其可能的序列分维只有2H-2种，其中H为对编码对应的最简符 号集的大小这一理论成果。由此明确，虽然符号序列的序列分维是由 符号序列本身的分形性质和编码规则所共同决定的，但编码规则中真 正起作用只是对原符号集的分类方式和编码值的相对大小。即明确了 编码规则对符号序列分形维数的影响以及该影响作用的机制。该成果 的提出对于理论研究和应用领域中符号序列编码规则的选择及其对 序列分形参数的影响具有重要的指导意义，并可应用于多种前沿学科 中相应的对于具体符号序列编码的研究。这些开创性的工作为进一步 的深入研究做了良好的铺垫。 关键词：分癌_分形§颐，蛋白质序列；罚弄+：亚细胞期￡符， 序列，编码 斗 Fractal Researchof SymbolSequence and it’S on of