- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基因四进制地理论序列与实际序列地特性比对
基因四进制的理论序列与实际序列的特性比对
邓宇
(清华大学第一附属医院)
基因组的试验研究异常火热,基因组的序列分析、算法、数据库的扩容如火如荼,理论基因组的发轫,星火正开始悄悄燃起。我们用类似语言学中对词频分布的研究方式,对基因碱基理论序列与实际序列进行了初步比较,想看看基因这本大书中,不同碱基符、碱基词组各有多少个?以及占总基因谱的比例,即分布。
“基因四进制”[1]可以为碱基词的理论生成,及有规律的符号、词组序列提供比较的理论基础。比如,看看第一位碱基符A在基因组中有多少个,也可以看看二位基因词,如TC,GA;三位碱基(词)组CTG,AAG等各有多少,各占比例,从而揭示基因词的存在及词法,语法规律。为生命基因组的伟大探索加把油、吹鼓风,用“新信息理论”[2-8](信息守恒律,信息的运算,信息的化学反应等新广义信息论,基因序列的正弦、余弦曲线拟合),理论基因学、理论生物信息学的基因数字实验、计算机试验,计算机数字模拟开辟基因-生命信息学研究的新天地。基因的理论实验数字、实验计算,理论基因组与实际基因组的结合,以计算机为实验仪器,碱基数字为实验原料,基因进位制为根基,将为基因的理论试验探索和发展开拓新途径。
一、材料方法
1、核酸序列的来源:从Genbank,ENBL的核苷酸序列数据库EMBL-Bank下载:AY644963、BC011974等核酸序列,碱基合计6万多个的实际序列作为比对的原始基因库来源。
2、方法的理论基础——基因四进制:根据我们建立的基因四进制[1],利用碱基、核酸的四个基符A,G,T,C(个位、第一位)为元素,及“逢四进一”规则,创造了基因,核酸的四进位制符号系统。该基因的理论进位系统的第一位、个位有4个符号元:A,G,T,C;第二位(相当于十进制的十位)有4×4=16个组员,AA,AG,AT,AC,GA,GG,GT,GC,TA,TG,TT,TC,CA,CG,CT,CC;第三位有43=64个成员,AAA,AAG,…,CCC;第四位有44=256个成员;…;第n位有4n个成员AA…A,AA…G,…,CC…C。构造出了理论的或人工基因四进制系统,对基因实验和理论研究开辟了一条新路。
3、验证思路策略:利用“基因四进制”理论模型,寻找碱基排布规律,解读基因密码锁匙。核酸生命的语言,遣词造句的“全息规则”。
4、验证方法
首先,用(数据库)程序生成四进制的基因符号系列,第一位,第二位,第三位,第四位,…,第n位。再将每位的每一个成员与基因数据库的碱基序列作对比。如用“GTC”从基因序列AY644963、BC011974等的开头开始,搜索“GTC”,在序列中若发现“GTC”就计个数,定个位,一直搜到序列的结尾,合计包含“GTC”的总数量,待分析。其他组元,检索统计类似,都做全程搜索,记数。手工搜索太慢几乎不可能,故不适合。半手工半机器的搜索还是慢,自编程序的数字自动搜索计数才是上佳方法。
二、结果
1 核酸A、G、T、C及其四进位制系统,各位频度的分布与理论值相比是不均匀、非平均的,即非遍历的,见表1及图1-9。
2 随着位数的增加,各基因符(类似数系的数字符号)差异(极差和极差度)逐渐增大。
3 基因四进制系统中,各位的频度分布,从大到小的排列分布多是横“S”形的曲线,见图1,4,7。
4 按“基因四进制”每位的顺序排布各位“基因词(基因数字符号)”,其数量分布轨迹是“波浪形”运动的,见图3,6,8,9
表1.基因四进制第一位基因符的理论与实测分布比对
A
G
T
C
数量
%
数量
%
数量
%
数量
%
理论平均值
15757
25.0%
15757
25.0%
15757
25.0%
15757
25.0%
实测值
16980
26.9%
15621
24.8%
15412
24.5%
15016
23.8%
差异
1223
1.9%
-136.3
-0.2%
-345.3
-0.5%
-741
-1.2%
差异率
7.76%
0.86%
2.19%
4.70%
最大差异
1964
12.5%
图1. 基因四进制第一位、“个位符(相当于‘个位数’)”的实际分布状态。A最多,C最少。
图2. “个位符”的百分分布。以4个碱基‘个位符’为X的值,“X轴”以基因四进制的基因符为符系(数系)坐标序列。
图3.基因四进制第二位16个“二位碱基”基因符号序列的实际分布。X轴是基因“四进制”转换成“十进制”的坐标计量单位标注。
图4. 基因进制系第二位,按其在实际基因序列中分布,从大到小的排序。
图5.四进制基因系中,各个“二位符(数)”在实际基因序列中的百分分布。“二联碱基词”最多的是“AG”占8.15%,“CG”最少只有2.93%,理论序列平均6.25%,各试验值是不均匀的。
图6. 基因四进制系统中,第三
文档评论(0)