第四章 信息论与生物医学1..pptVIP

第四章 信息论与生物医学 生命体本身是一个人复杂的信息传递、加工、处理和控制的系统。理论上，信息论与生物学和医学有着密切的关系。 1950年就有人把信息学引入生命研究中，但当时由于技术的限制，没有引起人们的重视。近10-20年，人们对生命科学的研究达到细胞、亚细胞、分子和量子水平，尤其是在遗传信息方面的研究取得重大成果，确立了信息理论在生物和医学研究方面的作用和地位。 本章简单地讨论信息论与生物和医学的关系。 4.1 DNA到蛋白质的通讯系统 从信息论的观点看，DNA中的四种不同碱基相当于将遗传信息编译成密码的四个字母，即遗传信息源中的四个字母。 问题：DNA分子中的碱基序列怎样排列才能得到20种氨基酸合成的蛋白质呢？ 要求：碱基集合的信息熵必须不小于氨基酸集合的信息熵。 碱基：X表示，则H(X)=log4=2 bit 氨基酸：Y表示，则H(Y)=log20=4.32 bit 显然， H(X) H(Y)，不满足要求。表明：输入信源中的不同元素不能对被控源的个元素进行控制。 必须对输入信源扩展成三次扩展信源X3，得到 H(X3)=3 H(X)=6bit H(Y)，就满足要求了。 人们提出了核苷酸三联体的概念，即三个碱基编码组成一个遗传密码。 现代科学实验证明：现确认的三联体共有64个（43=64），其中61个代表20种氨基酸的密码，而其余三个代表终止密码。 下表显示了该三联体组合情况，其中用尿嘧啶（U）代替胸腺嘧啶（T）。 过程 ：DNA遗传密码由信使核糖核酸（mRNA）转录下来，然后由转运核糖核酸（tRNA）把遗传密码转译成蛋白质的氨基酸顺序，合成蛋白质。 中心法则： DNA→ mRNA → tRNA →蛋白质 将其看作是一个通讯系统：输入是DNA碱基序列，输出是蛋白质的氨基酸序列。称之为DNA →蛋白质的通讯系统。 所有生命体都是由蛋白质和核苷酸组成的，蛋白质由20种氨基酸组成，核苷酸都包含碱基。 由中心法则，整个通讯系统是严格不可逆的。 通讯模型见下图： 首先研究输入信源X3，是碱基信源X的三次扩展信源。X的符号集合A={A,G,C,U}。 有研究表明，碱基序列中的碱基并非统计独立，它们之间是有依赖关系的，可以证实它们满足一阶马尔科夫链。 所以，信源X是一个一阶马尔科夫信源。（时齐和遍历的） 时齐遍历的一阶马尔科夫链满足： 信源X3是一阶马尔科夫信源X的三次扩展信源，所以X3也是一阶马尔科夫信源。 X3的符号集 其个数总共有64个。 所以遗传信道的输入信源为 其次，观察DNA→蛋白质的通讯信道，当遗传信道为[X3,P(y|x1x2x3),Y]，Y的符号集B={B1,B2,……,B21}共21个符合，20个代表20种不同的氨基酸， B21代表终止密码。 此信道是平稳无记忆信道，信道的传递概率为P(y|x1x2x3)。 如B1代表丙氨酸，则 P (B1|GUC)= P (B1|GCC)= P (B1|GCA)= P (B1|GCG)=1,其余的取值P(y|x1x2x3)=0。 根据信道传递特性可求得输出符号Y的概率分布为： 所以信道容量： 在生命的世代相传中，绝大多数保持其遗传特性，说明遗传信息的传递是可靠准确的。但也存在变异（遗传信息传递过程出错引起的）。 所以，DNA →蛋白质的通讯系统不是完全理想的无噪信道（应该是有噪信道），将其看作两个信道串接而成： 所以密码到蛋白质的信道为[X3,P*(y|x1x2x3),Y]，其传递概率为： 生命机体在遗传信息传递的过程中有一定的抗干扰能力。从信息学角度看，增加信源的剩余度可以提高信道的抗干扰能力。 所以，我们可以断定DNA碱基序列不但存储遗传密码，指导蛋白质合成；而且还存储较为复杂的“遗传语言”，控制遗传正确进行。 即DNA的碱基序列是一种有依赖的序列。 为了分析碱基序列的剩余度，Gatlin引进了两个偏离指标： 一阶偏离指标D1，表示与等概率分布信源的偏离； 二阶偏离指标D2，表示与统计独立分布信源的偏离； 当碱基序列是一阶马尔科夫信源时，有 实验表明：脊椎动物的偏离指标D2一般高于低级生物的D2。而脊椎动物的“遗传语言”结构有较高的剩余度时，主要是保持D1增加D2；相反低级动物主要是增加D1。 所以，可以用D2作为区分脊椎动物和其他低级动物的生物体指标。 故此，二阶偏离指标也称“进化指标”。 4.2 医学中的信息分析 信息熵是系统紊乱程度的测度。如果一个系统很随机、很混乱、无秩序，则此系统的信息熵就很大；反之，信息熵就很小。 把信息熵引伸为描述事物集合中相互对立性质的度量（无序与有序、随机性与确定性、杂乱与规则等），可以把信息熵的概念用于医学研究中。 一个生命体，可以看做是由相互联系、相互作用的各个部分组成的复杂系统；其任何一个部分都