[发明专利]鉴别DNA基因序列中编码区域与非编码区域的系统

说明书

技术领域

本发明涉及一种鉴别DNA基因序列中编码区域与非编码区域的系统。

背景技术

随着科学技术的进步，现代的生物学技术得到蓬勃发展。越来越多的数学方法和信号处理技术被应用于研究生命科学领域，形成了生物信息学这一前沿学科。

现在大多使用离散傅里叶变换(DFT)来作为鉴别DNA基因序列中编码区域与非编码区域的方法，该方法由于采用浮点运算，而计算机的计算精度是有限的，所以存在着计算误差，并且浮点运算耗费很多的计算时间。

首先，现代计算机是用有限位存储实数的，这会导致舍入误差。对于离散傅里叶变换(DFT)而言,基函数是以浮点数的形式近似地存储在计算机中的，由此，经过DFT运算累积的误差会影响到最终的计算结果，有可能与真实值有很大的差异。举例来说，在理论上，1.28965×2.36417＝3.0489518405,如果我们对计算保留5位精度，则通过舍入误差而得的结果为3.04895,乘积后面的值(18405)就被舍掉了，就造成了计算误差。

其次，现代的计算机中关于浮点运算相比于整数运算而言是非常耗时的。计算机需要更多的时钟周期完成浮点运算，即使对现代化的专用数字信号处理器(DSP)也是如此。所有的DFT运算都是浮点运算，浮点运算耗费很多的计算时间。

发明内容

本发明的目的是提供一种鉴别DNA基因序列中编码区域与非编码区域的系统，是一种快速而有效的算法，对比于傅里叶变换，该方法的计算量更小，精度更高，解决现有技术中存在的上述问题。

本发明的技术解决方案是：

一种鉴别DNA基因序列中编码区域与非编码区域的系统，包括数据处理模块、显示模块、输入输出模块和存储模块；

存储模块：存放DNA序列的片段的数据文件，并存放数据处理模块得到的结果文件；

显示模块：对数据处理模块的过程及结果进行显示；

输入输出模块：用于对数据处理模块进行数据输入或输出；

数据处理模块：读取存储模块内的DNA序列的片段的数据文件，得到一个完整DNA序列，计算DNA序列经过离散Ramanujan变换后所得的DRT谱在3处的信噪比，进行编码区域与非编码区域的鉴别，具体为：

计算一个DNA序列的DRT谱，DRT的谱为

P(k)＝|X(k)|²,k＝1,2,......,N，X(k)为DRT的Ramanujan系数；

通过其在k＝3处与其他地方的谱值的比较来判别这个序列究竟是外显子还是内含子：DRT谱在k＝3处的值高于其它地方的值，则为外显子；否则，为内含子。

进一步地，数据处理模块通过在k＝3处的信噪比来判断鉴别外显子与内含子，长度为N的DNA序列在k＝3处的信噪比为其中，ABN为平均背景噪声，其定义为

进一步地，数据处理模块从存储模块中读取一个完整DNA序列的具体步骤为：

数据处理模块读取存储模块中DNA序列的片段的数据文件，获取文件长度并存储到FileSize，设当前位置为0；

初始化RFT算法的各项参数；所待测序列的长度LengthOfTestSeq初始化为0，将一维数组TheFinalResult清零，大小为DRTWIDTH，将三维数组AllTheXqArray清零，大小为4*DRTWIDTH*DRTWIDTH；

从当前位置读取数据文件；

如读取的数据为‘A’，则设LayerIndex为0；

如读取的数据为‘T’，则设LayerIndex为1；

如读取的数据为‘C’，则设LayerIndex为2；

如读取的数据为‘G’，则设LayerIndex为3；

对数组AllTheXqArray[LayerIndex]的每一列递增取模，递增值为1，取该列在数组中的位置为模,并在相应的位置加1；将LengthOfTestSeq加1，

循环上述读取步骤，直至数据文件读取完全，得到一个完整DNA序列。

进一步地，数据处理模块计算DNA序列经过离散Ramanujan变换后所得的DRT谱在3处的信噪比TheSNROfRFT，具体为：

将数组TheFinalResult清零，对所有的i，i＝1,2,3，计算MidResult[i][j][k]*TheCqArray[j][k]，其中，k＝0,…,j,j＝0,1,…,DRTWIDTH-1；