基于二分频率变换的序列相似性查询处理技术

作为基因功能预测的主要手段,序列相似性查询技术是生物信息学领域的研究热点.基因序列和结构的相似性往往决定了基因功能的相似性,因此可以通过基因序列的相似性查找来预测新基因的功能.分析了MRS索引中频率变化和小波变换等相关技术,讨论了它们的缺点和不足,提出了一种基于二分频率变换2-PFT的序列相似性查询处理技术.首先,设计了二分频率变换和相应的距离函数,使得系统较之频率变换和小波变换具有更高的过滤能力,极大地提高了系统的性能;其次,解决了处理任意长度查询的问题.理论证明和实验结果均表明,2-PFT系统的性能远远优于MRS系统.

基于参考集索引的高效序列相似性查找算法

序列数据在文本、Web访问日志文件、生物数据库中普遍存在,对其进行相似性查找是一种重要的获取和分析知识的手段.基于参考集索引技术是一类解决序列相似性查找的有效方法,主要思想是找到序列数据库中的少数序列作为参考集,通过参考集过滤掉数据库中与查询序列不相关的数据,从而高效地回答查询.在现有基于参考集索引技术的基础上,提出一种过滤能力更强的序列相似性查询算法IRI(improved reference indexing).首先,充分利用了先前的查询结果集来加速当前的查询,其次考虑了基于序列特征的上界和下界,使得应用参考集进行过滤的上下界更紧,过滤能力进一步加强.最后,为了避免候选集中费时的编辑距离计算,则只计算前缀序列间的编辑距离,从而进一步加速算法运行.实验采用真实的DNA序列和蛋白质序列数据,结果表明,算法IRI在查询性能上明显优于现有的基于参考集索引方法RI(reference indexing).

96序列相似的家庭成员B功能的研究进展

96序列相似的家庭成员B(FAM96B)是由163个氨基酸组成的小分子蛋白。目前国内外关于FAM96B基因的研究甚少。最近研究发现,FAM96B基因通过与其相互作用蛋白相互作用发挥功能,可能与血管内皮细胞增殖、迁移及微管形成密切相关,可能在细胞有丝分裂及Apoptin特异性诱导肿瘤细胞凋亡中发挥作用,并可能与着色性干皮病及早老症等疾病的发生有关。但其具体功能尚不明确。

微阵列芯片Meta分析序列相似家族72成员A mRNA水平与乳腺癌预后关系

目的探讨序列相似家族72成员A(FAM72A)mRNA表达水平与乳腺癌患者预后的关系。方法在NCBI的GEO数据库中检索乳腺癌基因表达谱的数据集,对数据进行预处理后,对数据集进行标准化合并。采用Kaplan-Meier法绘制生存曲线,采用单因素Cox模型分析乳腺癌患者以及不同分型乳腺癌患者的总体无事件生存期与FAM72A mRNA表达的相关性。结果总共纳入10个微阵列数据集,包含1 720例乳腺癌患者癌组织样本。在所有乳腺癌患者中,FAM72A mRNA高表达者无事件生存期低于FAM72A mRNA低表达者(P<0.05);在雌激素受体阳性乳腺癌患者中,FAM72A mRNA高表达者无事件生存期低于FAM72A mRNA低表达者(P<0.05);在乳腺管腔B型患者中,FAM72A mRNA高表达者无事件生存期低于FAM72A mRNA低表达者(P<0.05)。结论 FAM72可以作为预测乳腺管腔B型乳腺癌患者预后的潜在标志物。

基于转录组测序技术研究当归与5种重要经济作物的序列相似性

【目的】基于转录组测序技术研究当归与5种重要经济作物的序列相似性,为当归栽培、鉴定、加工、配伍及开发提供理论支持。【方法】岷县现场采集当归样品,并经专家鉴定为当归品种[Angelica sinensis(oliv.)diels]。采用RNA plant Plus方法提取岷归头、岷归尾的总RNA,质量鉴定合格后构建测序文库。测序文库检测合格后在Illummina HiSeq 2000测序仪上完成双端测序。采用相关生物信息学分析软件,实现研究目标。【结果】通过转录组测序技术,获取了63 585个当归表达序列标签(EST),并在UniProt(date:2012.09)数据库中注释了30 432个当归基因,均分布于939种物种;其中序列分布频率较高的前5种物种分别为葡萄、蓖麻、毛果杨、大豆、苜蓿属。【结论】已注释基因主要分布于目前研究较深入的5种重要经济植物,成为当归制剂开发的分子生物学基础。

基于Hurst指数的DNA序列相似性分析

【目的】建立直接将Hurst指数作为指标参数进行DNA序列相似性分析的方法。【方法】以11个物种β-球蛋白第一个外显子的编码序列作为分析对象,首先将DNA序列转化为数字序列,然后用重标极差分析法计算各编码序列的全序列Hurst指数,之后利用它们的Hurst指数构建距离矩阵进行相似性分析,并将建立的基于Hurst指数的DNA序列相似性分析方法与其他方法的分析结果进行比较。【结果】建立的基于Hurst指数的DNA序列相似性分析方法,较好地从相关性角度反映了分析序列的生物特性指标,具有较好的相似性分析效能。与其他方法相比,该方法分析结果的敏感性较高,有助于提高进化距离较近的分析对象间的区别度。【结论】Hurst指数可以作为指标参数描述DNA序列的相似性,可将其进一步应用于生物序列的信息分析。

序列相似性家族3A在高糖诱导的人脐静脉内皮细胞氧化损伤中的作用

目的评估序列相似性家族3A(Fam3A)在高糖诱导的人脐静脉内皮细胞(HUVECs)氧化损伤中的作用。方法将HUVECs分为对照组和高糖组,分别给予5.5 mmol/L葡萄糖的内皮细胞培养基(ECM)和33.3 mmol/L葡萄糖的ECM培养,RT-q PCR法检测Fam3A mRNA的表达,ELISA法检测Fam3A蛋白的表达。分别用siNT和siFam3A转染对照组和高糖组HUVECs,检测细胞内活性氧簇(ROS)含量、ATP水平、线粒体氧耗率(OCR)和P-p38蛋白表达情况。结果培养24h后,高糖组Fam3A mRNA与对照组的相对表达量为2.52±0.19,差异有统计学意义(t=13.296,P=0.000);Fam3A蛋白浓度为(173.82±33.28)pg/ml,明显高于对照组的(39.45±33.78)pg/ml(t=4.907,P=0.006)。siNT高糖组细胞内ROS含量为(8217±794)RFU,明显高于siNT对照组的(3982±398)RFU(t=15.109,P=0.002);siFam3A高糖组细胞内ROS含量为(11 910±1 001)RFU,明显高于siFam3A对照组的(4171±402)RFU(t=9.705,P=0.010)和siNT高糖组(t=4.026,P=0.048)。以siNT对照组ATP合成量为基线,siNT高糖组、siFam3A对照组和siFam3A高糖组细胞内ATP合成相对值分别为(61.2±5.6)%、(94.6±8.4)%和(29.7±2.7)%,siNT高糖组明显低于siNT对照组(t=12.001,P=0.007),siFam3A高糖组明显低于siFam3A对照组(t=20.742,P=0.002)和siNT高糖组(t=18.814,P=0.003)。siNT高糖组的线粒体OCR为(0.57±0.05)pMO_2/(μg蛋白·min),明显低于siNT对照组的(1.12±0.09)pMO_2/(μg蛋白·min)(t=6.804,P=0.021);siFam3A高糖组的线粒体OCR为(0.31±0.03)pMO_2/(μg蛋白·min),明显低于siFam3A对照组的(1.01±0.09)pMO_2/(μg蛋白·min)(t=19.876,P=0.003),也明显低于siNT高糖组(t=21.444,P=0.002)。以siNT对照组为基线,siNT高糖组、siFam3A对照组和siFam3A高糖组的P-p38相对表达量分别为2.239±0.353、0.816±0.120和1.160±0.185,siNT高糖组明显高于siNT对照组(t=6.075,P=0.026),siFam3A高糖组明显高于siFam3A对照组(t=6.242,P=0.024),低于siNT高糖组(t=9.686,P=0.010)。结论高糖可以诱导HUVECs高表达Fam3A。敲低Fam3A基因表达可加重高糖引起的ATP合成减少及线粒体OCR降低,同时促进高糖时ROS生成增多。Fam3A可能是通过p38 MAPK信号通路调节高糖诱导的HUVECs内ROS生成。

多粒度时空事件序列相似度算法研究

现有研究集中于不带有时间空间信息或带有固定时间空间信息的活动序列相似度计算,没有从不同层次来度量用户行为序列的相似性,为了实现对用户行为多粒度多视角的动态认知,提出一种基于序列比对算法Needleman-Wunsch的多粒度时空序列比对算法(multi-granular spatiotemporal sequences alignment,MGSSA),扩展了NW算法的得分函数以结合时间、空间信息,通过粒度调控实现了从不同的粒度来计算时空事件序列的相似度.实验证明,多粒度时空序列比对算法MGSSA是有效且可行的.

基于序列相似性计算的甲骨残片缀合算法

甲骨残片缀合一直是甲骨学研究中最急迫最具基础性的工作,它使得甲骨残片经过拼接,复原为更加完整的原始材料.尽管前人及同行曾提出若干计算机辅助的甲骨缀合方法,但这些方法缀合准确度不足,未能真正投入使用,并不能真正帮助专家解决甲骨缀合问题,导致当前的甲骨缀合工作仍旧依靠人工、依旧费时费力.为了更好地研究甲骨残片的机器缀合问题,本文使用一个较大规模甲骨缀合基准数据集OB-Rejoin,该数据集包含了约一千幅甲骨拓片图像,且融入了大量的甲骨学界已缀成果,用于算法评估.基于该数据集,本文设计了一种基于斜率变化量序列匹配的甲骨缀合算法(Slope United Sequence Matching for Oracle Bone Fragments Conjugation,SUM),该方法将甲骨残片的断边碴口图像匹配问题转化为数值型的序列数据和序列相似性比对问题,以将尚不够非常精密的计算机视觉领域的碴口图像匹配问题转换为数据科学领域较为成熟的序列数据相似性匹配问题.SUM将数值型的碴口序列数据进一步转换为斜率变化量序列和字符序列数据,最后利用字符序列的模糊匹配完成甲骨残片的碴口匹配.在实验环节,SUM算法与经典的序列相似性计算方法在精确率、召回率、漏检率方面进行了对比,并与两个较新的基于深度学习的序列匹配算法和形状匹配算法进行了性能对比.整体而言,SUM在OB-Rejoin数据集上的Top-15缀合召回率达到了95.181%,超越了对比算法.重要出土文献的精准复原本身是历史学和古文字研究中客观存在的重大现实需求,具有重要的史学价值和意义,因此,本文的研究成果,不但有助于解决甲骨残片的机器缀合问题,还对秦汉简牍和敦煌遗书等重要出土文献的精准复原具有重要的参考价值.

基于时间序列相似性原理的雷达信号快速识别

从密集复杂的信号环境中分选和识别出特定雷达辐射源信号是信号处理领域重要内容之一。利用威胁复杂雷达信号的先验信息,引入数据挖掘领域时间序列相似性快速匹配原理及其滑窗技术,提出了一种适于多参数联合变化雷达信号快速匹配识别方法。实验表明,该方法识别速度快,适应环境能力强,具有良好的应用前景。

水生生物DNA序列相似度的算法

本文提出DNA序列相似度指标,建立DNA序列比对算法。首先,将水生生物DNA样本序列与现有的基因库中的DNA序列逐项比对;其次,在满足特定阈值条件下,确认样本序列的分类。利用Java编程语言来实现算法,通过MonteCarlo模拟和实际应用,验证算法的有效性。理论结果表明:在满足特定阈值条件下,通过计算DNA序列相似度,能够确定数据库中与未知DNA样本序列最相似的序列,判断样本序列的分类。模拟实验、对比研究和应用结果表明:相似度指标算法在有效判别DNA序列的分类,提高DNA序列匹配成功率,降低程序复杂度等方面具有优良特征。

基于时间序列相似性原理的雷达信号识别

从密集复杂的信号环境中分选和识别出特定雷达辐射源信号,是信号处理领域的重要内容之一。利用威胁复杂雷达信号的先验信息,引入数据挖掘领域时间序列相似性快速匹配原理及其滑窗技术,提出了一种适于复杂体制雷达信号快速匹配识别方法。实验表明,该方法识别速度快、适应环境能力强,具有良好的应用前景。

酵母蛋白质的序列相似性分析

介绍了蛋白质序列相似性分析的进展 ,并以对酵母蛋白质所做的工作为例 ,详细说明了蛋白质序列相似性分析的过程和有关算法 ,阐明了将蛋白质的结构分析和功能预测结合起来对序列相似性分析的意义 ,还针对蛋白质结构分析和功能预测的方法 ,提出了一些目前存在的问题 ,作为以后研究工作的出发点 .

序列相似性检索工具BLAST的使用和检索

介绍了局部序列对齐检索工具中的BLAST系统的使用和检索,以及BLAST程序的功能、进入途径、页面结构、检索方法、结果组成分析等方面。

基于傅立叶变换的一种时间序列相似搜索算法

该文提出了基于傅立叶变换的一种新的时间序列相似搜索算法。该算法利用高效的索引方法,达到快速的匹配,解决了多序列的子序列匹配问题。大量算例验证了该算法的通用性和有效性,它可以应用到求解各种时间序列相关的实际问题。

基于时空序列相似性的大规模内网数据库非法访问信息的挖掘算法

针对非法访问威胁内网信息安全的问题,基于时空序列的相似性设计了对非法访问信息进行挖掘的算法。根据数据的流转特性设定审计结构,按照数据自身的序列关系设定验证规则,从语句分析和关联分析两方面构建挖掘知识库;通过挖掘规则知识库初步审计访问信息,根据数据序列长度设定其变动位置的表征向量,在数据连续变动的状态下标识其相对序列位置;选择时空序列方式表示数据在时空变动内的属性,以相似性原理获取连续数据的访问距离,根据平衡函数划分类型计算访问数据得分,实现了对数据库中非法信息的挖掘。测试结果表明,该算法能够有效分割安全数据和非法访问数据,且精准度较高。

二硫苏糖醇抑制序列相似性家族134成员B(FAM134B)介导的内质网自噬促进大鼠肝细胞凋亡

目的探讨序列相似性家族134成员B(FAM134B)介导的内质网自噬在内质网应激(ERS)诱导的肝细胞凋亡中的作用及分子机制。方法采用(0、0.5、1.0、2.0、4.0、6.0)mmol/L的二硫苏糖醇(DTT)处理BRL-3A大鼠肝细胞48 h,实时无标记细胞动态分析(RTCA)检测肝细胞增殖,流式细胞术检测细胞凋亡,Western blot法检测ERS及内质网自噬相关蛋白、内质网-线粒体接触位点相关蛋白及线粒体凋亡途经相关蛋白表达的影响。内质网及溶酶体的荧光探针检测DTT处理细胞后二者的荧光共定位;线粒体钙离子荧光探针罗丹明2乙酰氧基甲酯(Rhod-2 AM)检测DTT对线粒体中钙离子水平的影响。结果DTT可显著抑制肝细胞的增殖并促进细胞凋亡。DTT处理肝细胞后ERS及内质网自噬相关蛋白、内质网-线粒体接触位点相关蛋白及线粒体凋亡途经相关蛋白的表达均显著上调。DTT处理细胞后内质网和溶酶体的荧光共定位显著减弱,同时,线粒体内钙离子荧光强度明显增强。结论DTT通过抑制FAM134B介导的内质网自噬,进而增加线粒体内Ca^(2+)的水平,促进肝细胞凋亡。

基于量表序列相似性的艾滋病患者精神卫生状况聚类分析

目的基于焦虑、抑郁和睡眠障碍量表对艾滋病患者的精神卫生状况进行综合评价。方法将量表的条目作为序列,利用动态时间规整(Dynamic Time Warping,DTW)方法计算患者每个量表得分的相似性,取平均值后得到患者间的相似性。使用层次聚类法进行聚类分析,以Calinski Harabasz Index(CHI)、Davies Bouldin Index(DBI)和轮廓系数(Silhouette Coefficient,SC)3个指标评价聚类质量并确定最优聚类数。根据每个聚类内不同精神状况患者的分布,为各聚类赋予标签,计算F1值评价聚类的准确性。另外使用欧氏距离以及基于单一量表的相似性进行聚类分析,比较二者的聚类质量、准确性、临床解释性。结果基于量表DTW相似性的患者聚类在CHI、DBI和SC 3个聚类质量评价指标上均优于基于欧氏距离的聚类(166.24 vs.72.68、2.91 vs.4.25、0.31 vs.0.16)。使用DTW相似性作为距离测度进行聚类时,利用焦虑、抑郁和睡眠障碍3个量表得分的聚类结果F1值(0.739)高于使用单一量表得分的聚类结果F1值(0.618、0.695、0.693)。结论基于多量表序列相似性的聚类方法在患者聚类方面表现出较好性能,可以对艾滋病患者的精神卫生状况筛查和评估提供帮助。

基于时间序列相似性分析探讨中风方剂中的症—药演变规律

【目的】基于中医古籍智能检索平台,采用时间序列相似性分析方法探索治疗中风方剂的症-药演变规律,为中风的临床诊疗提供参考。【方法】筛选治疗中风的方剂,对中风相关症状与治疗中风方剂的药物进行提取与标准化,依据方剂所属古籍的成书或刊刻时间,形成时间序列数据,依据形态相似距离评估不同历史时期的症-症、药-药、症-药间相似性,从而探寻治疗中风方剂中症-药的演变规律。【结果】共收集公元341-1949年间的2065首治疗中风的方剂,涉及中医古籍258本。症-症相关性分析得到3类有关中风的症状群;全时期的症-药时间序列中共记录中药643味,频次居前100位的中药可聚为4类中药群。症-药相关性分析结果显示症状群Ⅰ(真中风症状群)与中药群Ⅰ相关性最显著,症状群Ⅱ(类中风症状群)与中药群Ⅱ相关性最显著,症状群Ⅲ(急中风症状群)与中药群Ⅰ相关性最显著。【结论】通过中风症-药时间序列相似性分析发现,中风相关症状逐渐形成真中风、类中风与急中风3组症状群,与其密切相关的中药可分为4类,各症状群与各中药群关系迥异,其中药配伍日益丰富,治法组合也逐渐完善。挖掘所得结果可为中医药治疗中风的理论发展和临床应用提供一定的参考。

基于对齐的生物序列相似性分析

生物序列相似性(或差异性)分析是生物信息学研究的一种重要的方法。其中基于对齐的生物序列相似性分析方法,重点介绍基于隐马尔可夫模型的比较方法,并比较基于对齐的各种生物序列分析方法的优缺点。