基于LemplE-Ziv序列向量表示的多序列比對方法研究.pdf

1、生物信息學是借助計算機這一分析工具對包括生物序列在內的生物信息進行儲存、檢索和分析的科學，是當今核心研究領域之一。生物信息學的研究內容具體體現在通過對核酸和蛋白質序列的分析，揭示生物序列中表達的結構、功能等方面的生物信息。
　　序列比對是生物信息學中非常重要的分析工具，它在分析蛋白質功能和預測蛋白質結構方面起著基礎性作用。序列比對可以分為雙序列比對和多序列比對。雙序列比對用來分析兩條序列之間的相似性，是序列比對的基礎。但是對一組生

2、物序列進行同源性分析或者判斷未知序列是否屬于某個基因家族，就需要用到多序列比對。多序列比對算法的目的是通過對多條序列進行比對來反映序列生物屬性的關系。ClustalW是被廣泛應用的漸進式多序列比對方。該方法基于反映序列相似性的指導樹，逐漸加入新的序列，提高了多序列比對的精度。但是該方法通過序列兩兩比對的方式產生距離矩陣，計算過程復雜，效率仍然不高，難以應對生物序列規(guī)模不斷增大的趨勢。
　　針對ClustalW兩兩比對計算復雜，比對

3、效率低的不足，本文提出了基于Lempel-Ziv序列向量表示的漸進式多序列比對方法LemK_MSA。該方法根據Lempel-Ziv壓縮算法，通過10種復制方式將每條序列轉換為一個對應的10維向量，從而將多序列比對中復雜的字符串操作轉換為簡單的向量之間的計算，提高了多序列比對的效率。同時，該方法采取“先分組，后合并”的方式建立指導樹，降低了指導樹建立過程中距離矩陣的規(guī)模，提高了多序列比對方法處理大規(guī)模序列的能力。另外，根據序列向量化后，距