基于κ长子串的DNA序列进化树分析

论文摘要

目前,对于生物大数据的分类方法前人已经做了很多的研究。生物序列研究中传统比对方法（Alignment）所产生的巨大时间与空间复杂度,以及计算过程中多种打分矩阵的选择问题,都对序列的比较提出了难题。为了克服比对方法的上述缺点,研究者已经做出了很多贡献,许多非比对方法（Alignment-free）涌现出来,在很多特定生物基因组数据集上解决了序列比较的一些问题,但非比对方法对生物序列的研究在一定程度上依赖于研究数据。当前非比对方法的测试数据集中序列数量普遍较少,本文以κ-词为研究对象,提出了针对较大数据集的DNA序列分析非比对方法,具体是指所研究的序列数量超过200的数据集。在哺乳动物全基因组线粒体DNA序列的比较研究中该分类方法得到很好的进化分类结果。在众多的生物序列分析方法里,生物序列的κ-词信息是一个重要的序列特征。本文以欧拉回路个数限定序列被唯一生成时的k值。本文对于一个给定的长度k,研究了两两序列之间κ-词的数量关系。提出一个由序列间κ-词组成的相同程度构成的相似性度量。这个度量揭示了DNA序列中κ-词的整体性质。使用本文方法分别对数量为31、70与236的不同哺乳动物线粒体DNA序列生成进化树,都与标准生物学分类相符合。我们的方法好于其他三个使用该31数据集的方法。本文方法显示出优于前人使用该70数据集的方法。对于236条DNA序列的数据集还没有非比对方法对它进行测试,我们的方法得到的结果更优于比对方法。实现本文方法的算法时间复杂度与空间复杂度都被大大节省。

论文目录

• 摘要
• Abstract
• 引言
• 1 进化分析概论
•   1.1 研究背景与研究意义
•   1.2 研究现状
• 2 序列处理分析方法
•   2.1 定义k长子片段
•   2.2 最佳k值的选取
•   2.3 基因组数据集
• 3 差异比较方法
•   3.1 定义与方法
•   3.2 该算法的复杂度分析
•   3.3 差异算法伪代码
• 4 进化树分析
•   4.1 对31 条哺乳动物mtDNA序列的分析
•   4.2 对70 条哺乳动物mtDNA序列的分析
•   4.3 对236 条哺乳动物mtDNA序列的分析
• 结论
• 参考文献
• 致谢

文章来源

类型: 硕士论文

作者: 张景慧

导师: 杨希武

关键词: 生物序列比较,相似性度量,进化树,非比对方法

来源: 辽宁师范大学

年度: 2019

分类: 基础科学

专业: 生物学

单位: 辽宁师范大学

基金: 国家自然科学基金青年项目,基于加权有向多重图的DNA序列比较的非比对方法研究,(项目编号:61401186)

分类号: Q523

总页数: 45

文件大小: 2865K

下载量: 34