相似系数完整.docVIP

2序列间的相似系数的计算

2.1等长序列间的相似系数的计算

如前所述，一个序列可以视为以为符号集的信号序列．从数学的观点看，一个长度为的序列又可看作为定义在指标集上取值于字符集的函数．例如人的由前15个碱基组成的序列可看作为一个函数：．我们以全部待比较的序列作为列构成一个数据库，

我们称之为序列数据库.以下是一个有4个序列长度为15的序列数据库.

表l4个等长的序列

指标序号

指标序号

1

A

A

A

G

9

C

T

C

A

2

T

T

T

A

10

C

G

T

A

3

G

G

G

C

11

T

C

G

A

4

G

C

G

T

12

G

T

G

C

5

T

T

T

G

13

A

G

A

T

6

G

G

G

A

14

C

A

C

G

7

C

A

C

T

15

T

G

T

C

8

A

C

A

G

对每一个序列,可给出如下的一个概率分布,为了记法上的方便,以下将字符分别记为.

其中,即等于取字符的指标个数与全部个数的比值,时有时也记为.如在表1中,有

序列和的联合概率分布和条件概率分布如下：

其中，，亦即等于取值且取值的指标个数与全部个数的比值.注意到集合,

,,两两不相交且它们的并等于,因此且

.对列也可以作与上述类似的分析,因此

确是联合概率分布.

序列和的条件概率分布如下：

其中,.因是联合分布,故

是条件概率