基于剖面上下文无关随机文法和系统进化分析预测RNA二级.PDFVIP

Fang XY, Luo ZG, Wang ZH. Predicting RNA secondary structure using profile stochastic context-free grammars and phylogenic analysis. JOURNAL OF COMPUTER SCIENCE AND TECHNOLOGY 23(4): 582--589 \ July 2008 基于剖面上下文无关随机文法和系统进化分析预测 RNA 二级结构 1．本文的创新点 本文通过把更加丰富、复杂的同源 RNA 序列系统进化信息融合到 RNA 二级结构预测 过程中，提出一种新的混合 RNA 二级结构预测方法。首先，论文定义了新的剖面上下文无 关随机文法，以实现对 RNA 多序列比对及其一致二级结构的建模；其次，论文定义了两个 不同的隐马氏模型，分别对 RNA 序列的非结构区域和结构区域的系统进化过程进行建模； 最后，论文通过把此二个隐马氏模型融合到新定义的剖面上下文无关随机文法中，提出一种 新的全概率模型以计算最优一致二级结构。数值实验表明：本文提出的方法优于当前常用方 法 Pfold ，尤其当输入的RNA 多序列比对中包含的序列个数更多、空位更多、序列保守性更 低时，这种优势更加明显。 2 ．实现方法 (1) 定义新的剖面上下文无关随机文法（Profile SCFG ） 假设一个RNA 多序列比对所包含的完整RNA 二级结构的产生模型为Mol = ( W, Al , Rl, T, E) ，这里Mol 是 Profile SCFG 模型，W 是 non-terminal 集合，Al 是 terminal 集合，Rl 是产生 规则集合，T 是 non-terminal 的转换概率矩阵，E 是 terminal 的产生概率矩阵。定义如下： W = {start, bifurcation, single, pair , end}，其中 start 表示 RNA 二级结构解析过 程的开始，bifurcation 表示结构解析过程中的分支情况，single 表示 RNA 二 级结构中的非配对区域，pair 表示 RNA 二级结构中的配对区域，end 表示RNA 二级结构解析过程的结束。 Al = {A, C, G, U, _}m ，这里的“_ ”表示空位，m 为 RNA 多序列比对中的序 列个数。 Rl 包含三类产生规则：配对规则、非配对规则、其他规则，具体见图 1。 T = [t (w, w’)]，其中w 、w’ ∈W，t (w, w’) 是从 w 到 w’的转换概率。 E = [ew, w’]，这里w 、w’ ∈W。当w = pair 时，ew, w’ = ew, w’ (β, β’)，其中β、β’ ∈Al ，且(β, β’)是一个“列对”，则 ew, w’ (β, β’)表示模型在从 non-terminal w 到 non-terminal w’的转换过程中产生“列对” (β, β’)的概率；当w = single 时， ew, w’ = ew, w’ (γ) ，其中γ ∈ Al ，则 ew, w’ (γ)表示模型在从 non-terminal w 到 non-terminal w’的转换过程中产生单独一列γ 的概率。特别地，当w 取 start 、 bifurcation 中其一时，模型将不产生任何terminal ，但为了便于表示和计算， 我们把这些情况下的 ew, w’设置为 1 （见图1 中的（c ））。另外，w 的取值决 不等于 end，因为 end 只是为了表示解析过程的结束，并无实际意义。 需要补充的是，这里定义的 Profile SCFG 以包含空位的RNA 多序列比对为输入，而定 义中的 terminal 则表示多序列比对中的列。为了说明此处定义的 Profile SCFG 是如何对 RNA Fang XY, Luo ZG, Wang ZH. Predicting RNA secondary structure using profile stochastic context-free grammars and phy