论文部分内容阅读
人类基因组计划的顺利实行与测序技术的急速发展，造成了生物序列数量的急剧增多。面对数以万计的数据，如何发现潜藏在生物数据中的生物信息，分析这些生物序列间的关系，是分子生物学研究中的重要任务。 作为构成生命体的物质基础，蛋白质在各种生命活动中发挥着非常重要的作用。在生物信息学的研究领域中，对蛋白质序列进行图形表示和相似性分析，是研究的热点也是难点。 本文依据氨基酸的物理化学性质，构建20种氨基酸对应的图形表示。引入图能量的相关理论知识，计算20种氨基酸对应的图能量。进一步构建一种简单新颖的蛋白质序列的图形表示，并从中提取蛋白质序列的数值特征，对蛋白质序列进行相似性分析。论文的主要研究内容如下: (1)本文根据氨基酸的理化性质，提出了一种新颖的氨基酸2D图形表示方法。对于选取的6种理化性质，根据20种氨基酸在不同理化性质下的实验数据以及本文设定的阈值计算公式，构建20种氨基酸对应的图形表示，根据图能量的相关知识，计算20种氨基酸对应的图能量。 (2)根据求得的20种氨基酸的图能量以及氨基酸在蛋白质序列中的位置信息，给出蛋白质序列的2D图形表示。应用该方法对ND5数据集中的蛋白质序列进行图形表示，结果证明本文提出的图形表示方法是简单有效的，且具有良好的可视效果。 (3)根据本文构建的蛋白质序列的图形表示，进行蛋白质序列的相似性分析。利用转换公式将蛋白质序列转换为多维向量，根据相关理论和实验确定向量的维数。应用欧氏距离计算蛋白质序列两两间的距离并构造距离矩阵，应用距离矩阵构建系统发生树对结果进行检验。 (4)为了验证本文提出方法的合理有效性，将该方法应用到ND5、24TFs和36PDs三个数据集中，实验结果与现有的算法一致甚至更加合理。 实验证明，本文提出的根据氨基酸理化性质构建氨基酸2D图形表示的方法是合理的，并且具有一定的生物学意义。计算所得的20种氨基酸的图能量也可以很好地表征对应氨基酸。本文提出的蛋白质序列的图形表示方法是简单有效的，将该方法应用到蛋白质序列的相似性分析中，取得了比较理想的实验结果。