蛋白質(zhì)序列空間曲線構(gòu)造及相似性分析.pdf

1、隨著測序技術(shù)的迅猛發(fā)展，生物序列的數(shù)量在數(shù)據(jù)庫中呈指數(shù)形式增長。對于海量的生物數(shù)據(jù)，如何進行信息提取、比較分析、關(guān)系挖掘，已成為當代分子生物學和生物信息學的一個重要任務。
　　直接從雜亂無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序列進行分類及生物進化關(guān)系的分析，是生物信息學的一個重要研究課題。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、進化樹構(gòu)建算法進行了研究，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個理化性質(zhì)對蛋白質(zhì)序列構(gòu)造三維離散空間點列;然后使用三次Bézier樣條曲線插值蛋白質(zhì)序列空間點列將其轉(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;然后我們計算向量之間的L1距離來對蛋白質(zhì)序列進行相似性分析;最后我們以9個不同物種線粒體NADH脫氫酶(ND5)序列為例，進行了數(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，實驗結(jié)果驗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k-means算法進行了改進，提出了一種自適應聚類算法，并對頻率向量矩陣