论文部分内容阅读
生物序列的比较和分析是当前生物信息学研究的热点之一。生物序列一般是指DNA、RNA序列或蛋白质序列。随着研究的发展,作为主要遗传物质的RNA逐渐成为研究的重点,由于RNA二级结构比一级序列具有更大的保守性,且在RNA二级结构内发现了丰富的可用于分类和系统发育分析的信息,因此对RNA二级结构的分析具有十分重要的意义和价值。本文主要以RNA二级结构之间的相似性为研究内容,分别给出了一种新的基于可视化表示的相似性分析方法和基于Lempel-Ziv复杂度的相似性分析方法,为生物序列的可视化表示和分析提供了新的途径。本文主要完成了以下两个方面的工作：(1)提出了一种新的RNA二级结构可视化表示——CZ曲线,给出了CZ曲线具有的两种性质。基于CZ曲线给出了RNA二级结构的对应点的坐标映射图,并从图中直接获取了部分RNA二级结构的相似性信息和特征序列碱基的组成情况。随后将CZ曲线应用于RNA二级结构的相似性分析,给出了相似性比较结果。根据得到的相似性矩阵,结合可凝聚的层次聚类算法给出了11种真实RNA二级结构的进化树。实验结果表明本文提出的方法不仅可以有效的分析RNA二级结构(含假结)的相似性问题,还可以正确的将不同种类的RNA二级结构进行归类。此外,该方法只需要提取特征序列对应特征曲线的几何中心来计算相似性矩阵,因此计算复杂度较低。(2)针对目前不同的RNA二级结构可能对应相同特征序列的问题,提出了一种新的RNA二级结构特征序列的表示方法,给出了在转换时可参照的规则。随后利用Lempel-Ziv算法在得到的新的特征序列之间进行了相似性分析,从第三章使用的数据中选取了两组作为实验数据。实验结果与相关文献的分析结果一致,表明此表示法可以有效的提取RNA二级结构的结构信息,且避免了不同的RNA二级结构可能对应相同特征序列的问题。