基于k-mer相异度算法在系统进化关系中的应用

论文摘要

系统发育学是研究生物进化关系的一门学科,在系统发育学中,最常用于研究进化关系的方法就是系统进化树。基于多序列比对法的经典的系统进化树构建算法速度太慢,无法在大规模数据上进行运行,序列非比对法中基于k-mer的相异度算法构建系统进化树则不受这些限制影响,因而具有更广泛的应用前景。近些年来,基于k-mer的相异度算法被强调为基于系统发育推断中多重序列比对法的替代方法。基于k-mer的相异度算法属于序列非比对法中的一种,正处于快速发展的阶段,在不同的进化情景下使用基于k-mer的相异度算法系统地评估系统发育推理的准确性成为当前研究的一个热点和难点。本论文利用自己开发的软件包SeqDistK及一种比较经典的CAFE软件包实现了d2S等7种基于k-mer的相异度算法的距离矩阵,并在此基础上结合UPGMA构建系统进化树或进行聚类。基于一个已知进化关系的16S rRNA验证数据集（57条分子序列,称之为标准树）,我们验证了基于k-mer的7种相异度算法构建系统进化树的准确度。与已知的真实进化关系相比较,我们发现基于k-mer的d2、d2S、d2star、Ma、Eu、Hao等多个相异度算法所得的系统进化树与标准树差异不大（Ch有一定的误差）,特别是d2、d2star、d2S和Eu算法在k=5时有极其优异的性能,所得系统进化树与标准树相差无几。其中相异度算法d2S选取马尔可夫阶次为2时的算法可达到最高精准度（对称差仅有12）。本论文还利用软件包SeqDistK对63条16S rRNA序列所得的距离矩阵进行菌类聚类验证,发现所得聚类结果与生物分类学基本一致,其中d2S（k=5,M=2）的表现最为优秀,能准确的对样本序列聚类以及分类。另外我们发展的基于k-mer相异度算法的软件包SeqDistK无论是构建系统进化树还是菌类聚类具有运算速度快、精确度高的特点,适合于研究宏基因组大数据中的复杂系统发育关系的推理。使用基于k-mer相异度算法结合UPGMA研究基因组的复杂进化关系,这可能潜在地为系统进化提供新的见解,并改变我们传统的进行系统发育的研究方式,潜在地推进下一代系统发育学的发展。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 研究背景和研究意义
•   1.2 序列非比对法构建系统进化树的意义
•   1.3 选取基于16S rRNA构建的系统进化树作为标准树的意义
•   1.4 本章小结
• 第二章 7种基于k-mer的相异度算法的研究
•   2.1 序列比对法与序列非比对法
•   2.2 7种基于k-mer的相异度算法的介绍
•   2.3 背景序列为马尔可夫链模型的确定
•   2.4 本论文的研究思路及软件包SeqDistK工具的介绍
•   2.5 UPGMA（非加权平均法）介绍
•   2.6 本章小结
• 第三章 构建系统进化树的研究
•   3.1 系统进化关系的研究现状
•   3.2 基于16S rRNA构建系统进化树的研究
•     3.2.1 16S rRNA
•     3.2.2 16S rRNA结构特点
•   3.3 选取16S rRNA构建的系统进化树作为标准树
•   3.4 系统进化树与标准树的比较
•   3.5 本章小结
• 第四章 7种相异度算法构建系统进化树的验证
•   4.1 用软件包SeqDistK结合UPGMA构建系统进化树的验证
•   4.2 用软件包CAFE结合UPGMA构建系统进化树的验证
•   4.3 系统进化树与标准树之间的对称差
•   4.4 系统进化树与标准树之间的雷达图
•   4.5 本章小结
• 第五章 4种相异度算法对菌类聚类的验证
•   5.1 选取6 类不同菌科的16S rRNA聚类验证
•   5.2 聚类结果
•   5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢
• 附件

文章来源

类型: 硕士论文

作者: 李文

导师: 刘雪梅

关键词: 相异度算法,系统进化树,聚类

来源: 华南理工大学

年度: 2019

分类: 基础科学,信息科技

专业: 生物学,计算机软件及计算机应用

单位: 华南理工大学

分类号: Q111;TP301.6

DOI: 10.27151/d.cnki.ghnlu.2019.001385

总页数: 53

文件大小: 5021K

下载量: 38