RNA二級結(jié)構(gòu)預(yù)測的建模及其應(yīng)用研究.pdf

1、近20年來，生物學家們在RNA研究領(lǐng)域不斷取得重大的突破和進展。一批具有重要功能的RNA新類別被陸續(xù)發(fā)現(xiàn)，如核酶RNA、反義RNA、核仁小分子RNA、雙鏈小分子干擾RNA和MicroRNA等，使得人們對RNA的多樣性和復雜性有了新的深刻認識。人們發(fā)現(xiàn)，RNA在細胞中不僅充當著遺傳信息的載體和傳遞工具，還具有催化RNA的剪接，加工和修飾RNA前體，調(diào)控基因表達和生物體的生長發(fā)育等一系列重要的功能。對這些新型RNA研究工作的廣泛開展大大深化

2、了RNA研究的內(nèi)涵，為生命科學領(lǐng)域帶來了眾多具有重大意義和極具挑戰(zhàn)性的課題。繼功能基因組學和蛋白質(zhì)組學之后，現(xiàn)代分子生物學的一個新的門類RNA組學(RNAomics)正在逐步形成和發(fā)展壯大。 跟蛋白質(zhì)一樣，RNA的各種功能是與其特定的結(jié)構(gòu)緊密相聯(lián)的。相對于RNA一維線性結(jié)構(gòu)上的多樣性而言，其單鏈自身回折形成的特征性二級結(jié)構(gòu)和高級結(jié)構(gòu)的多樣性具有更多的生物學意義。因此要想深入探索RNA的復雜功能和特性，了解各類RNA在細胞中的運作

3、機制，就要從研究RNA的具體結(jié)構(gòu)入手。由于RNA分子具有降解速度快，難以結(jié)晶等特點，通過X射線晶體衍射和NMR等實驗方法去測定RNA分子的立體結(jié)構(gòu)很不容易。這樣做花費的成本高時間長，雖然測得的結(jié)果非常精確可靠，可是面對當前海量的生物序列，實驗方法顯然跟不上要求。而借助于計算機手段和各種數(shù)學方法從理論上去預(yù)測RNA的空間結(jié)構(gòu)，則可為揭示RNA結(jié)構(gòu)與功能的關(guān)系提供重要信息，大大提高我們認識RNA空間結(jié)構(gòu)的效率。 RNA結(jié)構(gòu)預(yù)測研究起

4、步較早，1981年由Zuker提出的最小自由能算法，經(jīng)過二十多年的不斷改進和發(fā)展，現(xiàn)已成為國際上最廣泛使用的RNA二級結(jié)構(gòu)預(yù)測方法。然而一方面由于它的平均預(yù)測精度只達到50～70％，還不夠高，另一方面它由于算法本身的限制而不能預(yù)測假結(jié)和更復雜的三級相互作用，因此日益滿足不了當前RNA研究對結(jié)構(gòu)預(yù)測的更高要求。為了能夠預(yù)測假結(jié)和向三級結(jié)構(gòu)預(yù)測進軍，一批新的算法和改進算法被紛紛提出，RNA結(jié)構(gòu)預(yù)測研究又重新受到人們的關(guān)注，成為生物信息學中一

5、個熱點問題。本文回顧和總結(jié)了當前已有的各類RNA結(jié)構(gòu)預(yù)測算法，探索和研究了新一代RNA結(jié)構(gòu)預(yù)測主導方法的發(fā)展方向，并提出了一些新的思路，另外還在RNA二級結(jié)構(gòu)預(yù)測應(yīng)用研究上做出了一點工作。 論文主要包括以下四部分內(nèi)容和結(jié)果：一、我們介紹了當前主要的一些RNA二級結(jié)構(gòu)預(yù)測方法，分析了其中存在的若干問題。首先介紹了較為傳統(tǒng)的比較序列分析方法中的兩種模型——共變模型和隨機上下文無關(guān)語法模型，對它們的實現(xiàn)過程作了大致描述。然后介紹了RN

6、A二級結(jié)構(gòu)預(yù)測中著名的最小自由能算法及其基礎(chǔ)最大堿基配對算法，對它們的算法核心動態(tài)規(guī)劃算法的實現(xiàn)以及RNA的自由能參數(shù)作了詳細講解。接下來我們介紹了一類以RNA結(jié)構(gòu)motif組合來尋找RNA最優(yōu)結(jié)構(gòu)的方法，包括螺旋區(qū)堆積法、遺傳算法和神經(jīng)網(wǎng)絡(luò)算法等，它們代表了尋求新一代RNA結(jié)構(gòu)預(yù)測方法的一些新思路和新探索。最后通過對這些方法優(yōu)缺點的比較分析，我們總結(jié)出了RNA結(jié)構(gòu)預(yù)測方法發(fā)展的趨勢和要求，并給出了與RNA結(jié)構(gòu)預(yù)測相關(guān)的一些網(wǎng)上資源。

7、 二、研究了遺傳算法和模擬退火算法相結(jié)合預(yù)測RNA二級結(jié)構(gòu)的可行性，從中探討了基于莖區(qū)組合的一類啟發(fā)式預(yù)測算法的發(fā)展?jié)摿ΑＪ紫任覀冊敿毥榻B模擬退火算法的基本原理、收斂性質(zhì)、冷卻進度表的設(shè)定規(guī)則以及算法的一些改進方案。然后又介紹了遺傳算法的基本原理、收斂性質(zhì)和實施的相關(guān)細則。通過對遺傳算法和模擬退火算法的各自特點進行比較，發(fā)現(xiàn)它們具有較好的結(jié)合性和互補性，因此我們把這兩種算法結(jié)合起來建立了RNA的遺傳模擬退火算法模型。最后選取了一些

8、RNA序列對該模型進行測試，并與最小自由能算法的預(yù)測結(jié)果進行了比較。結(jié)果表明雖然它在準確率上要優(yōu)于未改進的最小自由能算法，但仍然存在著一些很難克服的不穩(wěn)定性。 三、研究了RNA的動態(tài)權(quán)重匹配算法模型及其對假結(jié)預(yù)測的能力。動態(tài)權(quán)重匹配模型是我們在RNA的最大權(quán)重匹配算法基礎(chǔ)上的進一步發(fā)展和探索。首先我們描述了RNA權(quán)重匹配模型的基本思想，重點討論了模型建立的關(guān)鍵——權(quán)重得分表的設(shè)定問題。然后從圖論的基本概念出發(fā)詳細介紹了最大權(quán)重匹

9、配算法的相關(guān)理論和計算步驟。其次我們分析了RNA最大權(quán)重匹配模型中存在的問題，提出了RNA結(jié)構(gòu)預(yù)測的動態(tài)權(quán)重匹配模型并給出一個快速迭代算法。測試結(jié)果表明該算法對tRNA有著非常高的預(yù)測準確度，對環(huán)對環(huán)的假結(jié)也有較好的探測能力。通過與最小自由能算法進行比較，RNA的權(quán)重匹配模型在模型的易實現(xiàn)性、算法復雜度以及預(yù)測假結(jié)的能力和利用各種信息的能力方面具有更大的優(yōu)越性。從中我們可以看出，這類模型最有希望發(fā)展成為新一代RNA結(jié)構(gòu)預(yù)測的主導方法。

10、 四、研究了采用計算機對MicroRNA基因進行自動識別和篩選的實現(xiàn)問題。MicroRNA是當前RNA研究領(lǐng)域的最前沿，尋找和鑒定各種模式生物中的MicroRNA以及MicroRNA基因的工作正在逐步開展。作為RNA二級結(jié)構(gòu)預(yù)測方法的應(yīng)用研究，我們開發(fā)了一個基于水稻基因組的MicroRNA基因預(yù)測和篩選平臺miRdetector。首先介紹了MicroRNA的功能及特點，然后給出了miRdetector的流程模塊和實現(xiàn)方法，最后對其