蛋白質(zhì)序列空間曲線構(gòu)造及相似性分析.pdf

1、隨著測(cè)序技術(shù)的迅猛發(fā)展，生物序列的數(shù)量在數(shù)據(jù)庫(kù)中呈指數(shù)形式增長(zhǎng)。對(duì)于海量的生物數(shù)據(jù)，如何進(jìn)行信息提取、比較分析、關(guān)系挖掘，已成為當(dāng)代分子生物學(xué)和生物信息學(xué)的一個(gè)重要任務(wù)。
　　直接從雜亂無(wú)章的生物序列本身提取信息、發(fā)現(xiàn)其隱藏的規(guī)律，已經(jīng)相對(duì)比較困難。生物數(shù)據(jù)的可視化研究為人們處理海量的生物數(shù)據(jù)提供了一種新的途徑。如何有效利用生物序列的圖形表示形式對(duì)序列進(jìn)行分類及生物進(jìn)化關(guān)系的分析，是生物信息學(xué)的一個(gè)重要研究課題。本文我們圍繞蛋白質(zhì)

2、序列的圖形表示方法、相似性分析方法、進(jìn)化樹構(gòu)建算法進(jìn)行了研究，具體的研究工作如下:
　　(1)我們給出了一種新的蛋白質(zhì)圖形表示方法。首先基于氨基酸的3個(gè)理化性質(zhì)對(duì)蛋白質(zhì)序列構(gòu)造三維離散空間點(diǎn)列;然后使用三次Bézier樣條曲線插值蛋白質(zhì)序列空間點(diǎn)列將其轉(zhuǎn)化為空間連續(xù)參數(shù)曲線，可使蛋白質(zhì)序列的3D空間表示具有更好可視性。
　　(2)基于空間曲線的微分幾何屬性（曲率），我們給出了一種新的蛋白質(zhì)序列相似性比較方法。首先提取曲線的曲

3、率特征，并利用這些曲率特征構(gòu)造頻率向量;然后我們計(jì)算向量之間的L1距離來(lái)對(duì)蛋白質(zhì)序列進(jìn)行相似性分析;最后我們以9個(gè)不同物種線粒體NADH脫氫酶(ND5)序列為例，進(jìn)行了數(shù)值描述和相似性分析，并做了相關(guān)系數(shù)及顯著性檢驗(yàn)，實(shí)驗(yàn)結(jié)果驗(yàn)證了本文方法的有效性。
　　(3)基于蛋白質(zhì)圖形表示，我們給出了一種新的進(jìn)化樹構(gòu)建算法。首先基于蛋白質(zhì)圖形表示得到頻率向量矩陣;然后對(duì)k-means算法進(jìn)行了改進(jìn)，提出了一種自適應(yīng)聚類算法，并對(duì)頻率向量矩陣