基于布尔逻辑的双序列搜索比对算法

传统双序列比对算法使用动态规划进行序列比对的速度慢,且准确性不高。为解决该问题,提出一种基于布尔逻辑的双序列搜索比对算法。根据一条序列中定长的碱基片段搜索2条序列的相似区,对相似区进行比对,包括相似区中碱基的比对以及子序列与另一条序列的比对,并通过并行执行机制实现加速比对。仿真实验结果表明,该算法具有较高的准确性和较好的实时性。

基于BLAST的数据清洗与质量控制方案

研究基本局部比对搜索工具(BLAST)在陆地植物系统发育平台中的应用。数据清洗方面结合基于基因注释的数据抽提与基于BLAST的相似性比对抽提,提取过滤相关的序列信息,控制序列质量,并剔除原始基因注释错误的序列。自测序列质量控制方面结合基于blastn的打分比对和基于blastp的模板比对,报告序列整体质量,控制污染序列和假基因的入库。

结合判别函数的分形IFS图像检索

该文提出一种分形编码的图像比对搜索方法,即把迭代函数系可反映图像的拓扑特性,用于图像的储存和检索.而图像经过分形编码后,得到大量资料,需要一个有效的方法进行检索,文中根据Fisher判别函数来判定图像相似度.实验结果表明,图像比对搜索引擎能准确找出查询图像的相似图像外,还证实本方法对图像有一定的容错性能,能有效地提高图像比对搜索引擎在实际应用中的可适性。

从新冠病毒起源到BLAST工具的正确实践

基本局部比对搜索工具(basic local alignment search tool,BLAST)是核酸或蛋白质序列相似性分析最常用的工具之一。因为程序涉及参数较多,一些学生和研究者有时不根据实际情况也不阅读说明书就直接选择默认参数,可能会得出错误结论。BLAST可以进行核酸、蛋白质序列及其相互间的比对,一些低年级学生会有困惑,不知如何进行程序的选择等问题。鉴于这些情况,笔者尝试用2020年初网络的热议话题"新冠病毒极有可能源于实验室"作为引子吸引学生注意力,通过复现并从理论上初步分析其错误,以及产生错误的原因来达到让本科生快速熟悉BLAST的使用及易错点,达到BLAST理论教学的目的。在实验课中,虚构恐龙基因,即一个小组在基因中插入"密码",由另一小组解开"密码",通过小组间利用BLAST工具进行加密与解密的趣味活动,从而加深对程序正确选择的理解,同时巩固了理论教学内容。此教学设计利用当下新冠病毒起源的热点话题不仅提高了学生的学习兴趣,同时也帮助他们利用该工具解决实际问题,培养了学生利用专业知识进行言论分辨的能力。希望此文能对BLAST工具的正确使用和新医科背景下生物医学教学有所启发和帮助。