大规模基因组比对算法并分析.pdfVIP

摘要 随着擐4序技术的发展，越来越多的动植物、微生物的全基因组序列得以测定完 成，基因组数据和规模正在以前所未有的速度迅速增长．基因组在进化过程中常常会 有基因复制，基因缺失，易位，倒置等大规模突变发生．基因复制会产生旁系同源基 因；基因缺失会导致物种的直系同源性模糊；而易位或者倒置通常会引起遗传物质的 重排．长基因组的序列比对可以查找基因组突变，是基因组数据的比较分析，物种的 进化分析和基因功能研究的基础． 传统的动态规划算法[1】【2】的计算复杂度为0(矿)，其中n是输入序列的平均 长度．动态规划只能处理长度在500K以内的氨基酸序列或者基因组序列．基于统计 推断的SPA算法[3】的计算复杂度为0(凡)，可以准确的比较长度在2M之内的基因 组序列，但是随着长度的增加和输入序列同源性的降低，比对误差越来越大． 要比对长度规模更大的基因组序列，需要新的高效精确的算法．本文的结果就是 开发适合大规模基因组序列比对的算法．具体结果如下； 1．首次将数据压缩的思想用于序列比对，对SPA算法做了改进，拓展了SPA算法 的应用范围，开发出GSPA-I算法，该算法可用于大规模的微生物基因组和真核 生物基因组的序列比对，测试结果表明GSPA-I算法比传统的序列比对算法