兩核苷酸實(shí)時(shí)合成測(cè)序的數(shù)據(jù)處理及解碼算法.pdf

1、DNA測(cè)序技術(shù)在生物醫(yī)學(xué)研究和應(yīng)用中扮演著非常重要的角色。但是與Sanger測(cè)序法相比，新一代測(cè)序技術(shù)依然存在測(cè)序誤差率較高和讀長(zhǎng)較短的問(wèn)題。兩核苷酸實(shí)時(shí)合成測(cè)序技術(shù)是東南大學(xué)生物電子學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室提出的一種新型的測(cè)序技術(shù)，該技術(shù)相比目前流行的高通量測(cè)序技術(shù)具有更低的測(cè)序誤差率和更長(zhǎng)的讀長(zhǎng)。
　　但是該測(cè)序技術(shù)的測(cè)序結(jié)果不能直接利用，需要進(jìn)行數(shù)據(jù)處理和解碼。為了將初始的測(cè)序數(shù)據(jù)轉(zhuǎn)換為目標(biāo)序列，本論文建立了基本的解碼模型。我們首先

2、建立了數(shù)據(jù)處理和數(shù)據(jù)轉(zhuǎn)換方法，將初始的三組編碼序列信息轉(zhuǎn)換為計(jì)數(shù)矩陣的形式，同時(shí)確立并建立了解碼目標(biāo)和目標(biāo)序列的數(shù)學(xué)形式。然后基于計(jì)數(shù)矩陣建立了基本的解碼模型，本文采用比對(duì)法按照順序依次對(duì)目標(biāo)序列的每個(gè)位點(diǎn)進(jìn)行解碼。隨后通過(guò)模擬實(shí)驗(yàn)證實(shí)，發(fā)現(xiàn)在不存在實(shí)驗(yàn)錯(cuò)誤的前提下，基本解碼模型能夠完全正確的解碼出目標(biāo)序列。
　　因?yàn)樵跍y(cè)序過(guò)程中系統(tǒng)或多或少會(huì)引入測(cè)序誤差，為了盡可能降低測(cè)序誤差對(duì)重構(gòu)目標(biāo)序列的影響，本文建立了具有容錯(cuò)功能的解碼模

3、型。首先建立了具有容錯(cuò)功能的基本解碼模型，對(duì)非多聚體造成的偏差進(jìn)行修正。本文采用迭代法對(duì)含有偏差的計(jì)數(shù)矩陣進(jìn)行多輪修正步驟，并采用枚舉法對(duì)每輪多個(gè)可能的修正結(jié)果分別進(jìn)行分析，并通過(guò)論證排除錯(cuò)誤的修正結(jié)果。然后對(duì)具有容錯(cuò)功能的基本解碼模型進(jìn)行了拓展。本文采用了容錯(cuò)性更強(qiáng)的篩選模型，用來(lái)從多種可能的修正結(jié)果中排除錯(cuò)誤的解。隨后通過(guò)模擬實(shí)驗(yàn)證實(shí)，解碼模型不論對(duì)非多聚體還是多聚體造成的偏差都具有較好的容錯(cuò)性，但是當(dāng)含有偏差的編碼較密集時(shí)解碼模型