[发明专利]基于Hurst指数的DNA序列相似性检测方法

说明书

技术领域

本发明涉及生物信息处理领域，具体涉及一种DNA序列相似性检测方法。

背景技术

生物信息学的一个重要内容是序列分析，通过对核酸和蛋白质的序列进行分析，得到它们的结构和功能信息，以了解核酸和蛋白质在生物体中的作用，并研究它们的进化起源。序列数据库中序列数据的快速扩增，促使研究人员对序列分析方法进行了大量研究。

基于不同序列表达方式，研究人员使用多种算法从数字化的序列中提取可以有效反映序列生物信息的特征参数，例如各种矩阵的最大特征值和拓扑类指数等，然后构建分析序列对应的多维向量。广泛使用的序列相似性判断是通过计算向量端点之间的欧几里得距离或者向量之间的夹角来判定的，若向量端点之间的欧几里得距离越小或者向量之间夹角越小，则两序列越相似。而宋杰、骆嘉伟等基于信息离散性量度采用离散度函数对DNA序列的相似性进行分析，李梅等则通过计算动态时间弯曲距离分析DNA序列相似性。但上述方法一方面分析过程均较复杂，往往需要构建多维向量，计算量较大，这促使我们寻找一种更简洁的分析方法。另一方面，上述分析方法所的分析结果给出的不同物种之间的相对差异值有不大，这又促使我们寻找一种能提供更显著结果的分析方法。

已有的大量研究表明，DNA序列具有长程相关性，这使我们可以从另一个角度对序列进行分析。其中，研究人员将Hurst指数作为一个重要的特征参数，对DNA序列蕴含的相关性进行了分析。例如，赵小杰等在利用功率谱分析编码DNA序列基础上，用Hurst指数对人的DNA序列的自相似性进行描述，结果反映出人DNA序列中的长程相似性。Boekhorst等利用Hurst指数区分编码DNA、调控DNA和非编码非调控DNA。Yu等利用Hurst指数对DNA序列的分形和统计特征进行分析，研究了部分分析对象外显子和内含子的Hurst指数、部分对象完全基因组的编码序列的平均Hurst指数和相关维数，对利用平均Hurst指数和相关维数进行分类和进化关系进行了研究。但是Hurst指数并没有应用于DNA序列进行相似性分析。基于现有研究，我们在本方法中将Hurst指数作为指标参数用于DNA序列相似性检测。

发明内容

有鉴于此，为了解决上述问题，本发明提出了一种基于Hurst指数的DNA序列相似性检测方法，能够同时对多个DNA序列进行相似性检测，简化了计算复杂性，提高了运算效率，并能提高较近进化距离的分析对象间的区别度。

本发明的目的是这样实现的：基于Hurst指数的DNA序列相似性检测方法，包括如下步骤：

1)获取不同物种相同功能区域的DNA编码序列作为初始序列；

2)对步骤1)所得的初始序列进行数字转换，得到初始序列对应的数值序列；

3)对步骤2)所得的每个数值序列通过R/S分析方法获得得到各个数值序列的Hurst指数；

4)利用步骤3)所得的Hurst指数构建距离矩阵；

5)从步骤4)获得的距离矩阵获得序列相似性信息，即：距离数值越小的Hurst指数对应的DNA编码序列，其对应物种相似性越大，反之，其对应物种相似性越小。

进一步，所述步骤2)中，采用2D图形表示法对初始序列进行数字化；

进一步，所述步骤3)中，对任一数值序列使用R/S分析方法通过如下步骤获得数值序列的Hurst指数：

a)通过下式，获得均值序列：

b)通过下式，获得累计离差：

c)通过下式，获得极差：R(n)＝maxu(i，n)-minu(i，n)；

d)通过下式，获得标准差：

e)若存在常数H使得则H为该序列的Hurst指数；

以上步骤中，3≤n≤N；

进一步，步骤e)中，通过在双对数坐标ln(n)-ln(R(s)/S(n))系下得到N-2个点，利用最小二乘法对N-2个点进行拟合得到Hurst指数；

进一步，所述步骤4)中的距离矩阵是所有初始序列对应的Hurst指数两两比较所得差值构成的数值矩阵；

进一步，所述数值矩阵为上三角矩阵。