伪氨基酸组成及其推广与应用

随着生命科学的发展,海量的生物数据对生物信息工作者提出挑战,而数值刻画为我们提供一种定量研究生物数据的方法。Chou在2001年提出的伪氨基酸组成(PseAAC)概念迅速在蛋白质组学中得到应用,并于近年被推广到核酸序列。聚焦于PseAAC的数学形式,本文对其产生和发展进行简要梳理,然后着重介绍我们提出的一种广义PseAAC。

基于数据场与3-D图形表示的DNA序列分析

该文提出了DNA序列的一种3-D图形表示,并且针对此图形表示的非退化性给出了数学证明。然后计算所提3维图形表示的L/L矩阵的ALE指标,并给出了所提3维图形的图半径,从而对DNA序列进行数值刻画。结合物理学中重力场势函数的思想,构造了向量形式的数据对象间的势函数,进而以K-近邻算法为分类器,对208个RIG-I基因进行了分类识别。实验结果证明了该文所提的分类办法是有效的。

基于加权拟熵的DNA序列相似性分析

一条DNA原始序列可以看作是字符集Ω={a,g,c,t}上的一个字符串。基于多重集{∞?a,∞?g,∞?c,∞?t}的所有2-组合,我们将DNA原始序列转化为一个10字母序列,进而构造10-元向量来刻画DNA序列,这个向量的分量是一种加权拟熵,它能更好的反映出序列中的元素,尤其元素之间的序关系所包含的信息。这样构造的DNA序列的数值刻画对字符替换是非常敏感的。作为应用,我们对15个物种的β-球蛋白基因进行了相似性分析,得到的结果与文献中是一致的。