基于從頭算法的轉座子識別方法研究.pdf

1、轉座子(Transposable Elements，TE)是可移動的、重復的基因序列，它們在真核基因組中幾乎無所不在，并對基因組的結構、功能和進化起到了十分重要的作用。目前，對轉座子的研究已經非常深入，從轉座子的鑒定和注釋，再到對其詳細的分類都有了相應的成熟軟件或分析工具。
　　 論文首先總結和分析比較了各種主要的關于轉座子的相關軟件方法，通過各個方法的比較，我們知道De novo(從頭)算法雖然在其得到的轉座子家族序列在以后的

2、研究中需要進一步的修正，但它卻是在鑒定、注釋新基因組中轉座子所必要的一步，也通常是全面處理的第一步，其結果對之后的研究中更是能產生深遠的影響，但在得到的轉座子家族序列以后的研究中尚需要進一步的修正，由此我們對其從頭算法進行了改進。
　　 本研究主要改進的是基于從頭算法中的Repeatscout軟件，它主要用于發(fā)現(xiàn)新的、未注釋的轉座子家族，對于高頻出現(xiàn)的轉座子的鑒別尤其有效。其主要優(yōu)點則是不用與已知的數據庫相比較，而主要的缺點是運

3、行時間較長。首先提出了改進的理論依據并闡述了原算法的實現(xiàn)過程，在實現(xiàn)過程中主要是考慮了數據的冗余現(xiàn)象，不僅包括在得到轉座子家族的多序列比對中的整體的遍歷計算，也考慮了在“隱藏”序列過程中的雙序列比對的遍歷過程，通過分析其轉座子數據的特征性，我們歸納其特征實現(xiàn)了以上兩種去除數據的冗余的方法。再者，我們考慮到其堿基序列的本身只要4種情況，而這個改進可以在理論上真正做到無誤差的去除冗余情況。
　　 研究結果表明，在整個算法的實現(xiàn)中，我

4、們總結出了其轉座子家族得到的過程可分為四個步驟:(1)從序列中計算得到k-mer種子，并給出每個k-mer種子詳細“注釋”;(2)依據不同的標準來選取一個k-mer種子;(3)通過選取的k-mer種子進行多序列比對來得到轉座子家族，再通過雙序列比對來在序列中來“隱藏”出現(xiàn)過的k-mer種子及其序列;(4)調整k-mer種子頻率及其他注釋再次來選取一個種子。
　　 本研究中，我們不僅對選取k-mer種子的標準進行了一定的改進，使其