[发明专利]对基于随机上下文无关文法的RNA二级结构预测进行加速的方法

说明书

技术领域

本发明涉及对基于随机上下文无关文法SCFG(Stochastic Context-free Grammars) 模型的RNA二级结构预测进行加速的方法。

背景技术

随着人类及其他各物种基因组测序项目的完成，生物信息学的研究已步入后基因组 时代。序列比对和搜索已成为分子生物学领域最重要的基础性工作。目前在DNA和蛋白 质序列分析领域已有许多经典的研究工具，如BLAST、FASTA、HMMER、ClustalW等。 而自20世纪80年代中期具有催化性质的RNA被发现以来，RNA所起的各种重要生物化学 功能逐渐引起了人们的关注。与DNA序列的双螺旋结构不同的是，虽然RNA序列本身是 一条单链，但它能通过碱基互补配对形成空间二维乃至三维结构，RNA的各种重要功能 与其结构直接相关，随着近年来非编码RNA在生物体内所起的重要作用被发现，针对RNA 结构的研究受到人们的日益关注与重视。

由于RNA序列结构上的保守性大于序列的保守性，有时序列本身相似度很低的两个 RNA分子有可能具有很相似的结构，从而具有相近的功能，所以仅仅采用传统的序列一 维结构分析工具无法满足对RNA结构特性研究的需求。另一方面，由于结构信息的加入 大大增加了RNA序列分析的复杂性，直接针对三维结构的理论预测方法还很不成熟。因 此研究RNA二级结构是揭示整个RNA奥秘的根本途径。关于RNA序列分析模型及二级结 构预测方法，一直是近年来生物信息学研究的热点和难点问题。

目前，最直接的RNA结构测定方法是采用X射线衍射和核磁共振，这种方法虽然结 果精确可靠但是只有在拥有相关设备的环境下才能进行，这种方法所用设备非常昂贵， 且非常耗时。因此采用计算机和数学模型预测RNA序列二级结构的方法被广泛采用，目 前主要有三类RNA二级结构预测方法：基于热力学模型的Zuker最小自由能方法，基于比 较序列分析模型的多序列比对方法和基于SCFG的结构预测方法。其中，基于SCFG理论 模型的标准算法为Coche-Younger-Kasami，简称CYK算法，是目前最好的RNA二级结构 预测方法之一。

无回溯的CYK算法用于实现单条序列与单个RNA家族的共变模型CM(Covariance Model)间的比对，从而判断该RNA序列是否属于该家族。带回溯的CYK算法还可进 一步得到该序列的二级结构。CYK算法是一种三维动态规划算法，根据矩阵填充方向不 同，又可分为inside和outside两种，但本质上并无不同之处。无回溯CYK/inside算法的 输入为一条长度为L的RNA序列x＝x₁...x_L和一个CM模型。CM模型是Eddy和Durbin 提出的一种进行RNA二级结构分析的概率模型，它利用SCFG从一组同源RNA序列的 多序列比对结果中发现一致性的结构，以刻画RNA家族共同的结构信息。CM模型由K 个不同的状态以及对应的字符生成概率e_k和状态转移概率t_k组成，状态信息中包括当前 状态的类型、编号、父/子状态的数量以及编号。在循环变量i、j、k的控制下，无回溯 CYK/inside算法实际上是不断地迭代计算一个由K个三角矩阵叠加构成的三维矩阵(每 一个三角矩阵对应CM模型中的一个状态)，迭代公式如下(1≤i≤j+1，0≤j≤L， 1≤k≤K)：