[发明专利]基于图像处理的多序列比对可视化的方法

说明书

本发明涉及一种基于图像处理的多序列比对可视化的方法，包括以下步骤：S1.将多序列比对算法产生的多条氨基酸序列作为输入；S2.分别为不同类型的氨基酸定义不同的颜色，然后对氨基酸序列进行颜色转换；S3.结合图像转换，将氨基酸序列中的每一个氨基酸分别对应图像中的一个像素，像素的颜色对应氨基酸的颜色，图像转换将多条一维的氨基酸序列转换成二维彩色图像；S4.对转换的图像利用基于边缘检测的图像分割算法进行分割，将分割后的图像展现给用户。

技术领域

本发明涉及生物信息学技术领域，更具体地，涉及一种基于图像处理的多序列比对可视化的方法。

背景技术

近年来，随着人类基因组计划在世界范围内的开展，人类基因组草图已基本完成，标志着人类对生命信息的探索进入了一个新的阶段。同时，对基因表达模式、蛋白质结构、蛋白质-蛋白质相互作用分析得到的数据越来越多。生物信息学的研究重点主要体现在基因组学和蛋白质组学两方面，具体地说就是从核酸和蛋白质序列出发，分析序列中表达结构和功能的生物信息。生物信息学的基本任务是对各种生物序列进行分析，也就是研究新的计算机方法，从大量的序列信息中获取基因结构、功能和进化等知识。生物序列检索在生物信息学中是一项基础性工作。生物学研究认为：生物序列的功能是由它的结构决定的，而它的结构往往是由一些特定的子序列决定的。所以，进行特定序列的检索在生物学中具有重要的意义：可以用来进行蛋白质的功能区域预测、蛋白质保守区域的判断等。

目前有很多针对序列可视化的方法，但大多数是针对DNA序列的可视化。由于蛋白质序列隐含了蛋白质的结构信息，对于蛋白质序列的可视化一般要结合其生物学的意义，利用不同氨基酸序列之间的结构信息，例如α螺旋和β折叠。对于非生物学的专业的人来说，以氨基酸结构信息为目的来可视化序列信息是不可能的。此外，已有很多软件在根据氨基酸序列预测蛋白质结构上已经做得很完善，但是，对于没有生物学背景的研究人员，如果只是想根据序列相似性比对的结果做简单的总体性的分析，比如分析蛋白质可能的保守区域和变异区，这些软件的操作步骤是繁琐且不易使用的。为了方便用户在进行多序列比对后的进一步分析，可以针对大数据量的序列信息进行可视化。

目前常用的序列可视化方法为“基于灰度图像的DNA序列可视化方法”和“基于元胞自动机的蛋白质序列图像生成方法”。

“基于灰度图像的DNA序列可视化方法”的具体执行步骤如下：

1)对DNA序列的四种碱基编码：A-00，T-11，C-01，G-10；

2)将4个碱基组合成一个8位的数据，数据范围是0～255，在原始的DNA序列后面添加3个碱基“AAA”，保证每个DNA序列都可以编码；

3)假设原始DNA序列的长度是L，那么找最小的N，使N*N>＝L，将DNA序列编码成一维数据的后面补上(N*N-L)个0，然后将一维数据转换成二维的图像。

DNA序列由四种核苷酸A、T、C、G排列组合而成，对于四种碱基也只需要2个字节编码即可。将DNA序列转换成图像信息后，可以利用图像处理技术对DNA序列信息进行分析。经过上述处理，任何一条DNA序列都可以编码得到等宽高的图像，这为后面要进行的分析提供了基础。保存这种格式的图片之后，研究者可以在极小的空间内可视化较长的序列。通过分析图像可以直观地看出DNA四种碱基的大致分布情况，也可以用不同的图像做对比，实现DNA序列的相似性比较。

但是，在用户体验上，“基于灰度图像的DNA序列可视化方法”只能根据已有的DNA序列信息构建出灰度图像，用户无法从颜色单一的图像获取较为准确或者有用的信息，这种可视化结果在实际应用中并不能满足用户需求。

而“基于元胞自动机的蛋白质序列图像生成方法”，首要解决的问题是建立氨基酸数字编码模型。蛋白质所有分子间相互作用和分子内部相互作用都受相似规则、互补规则或者两种规则同时作用，所以在编码的过程中要考虑到这些规则。通过数字编码将氨基酸序列变成一维的01序列。

主要的规则如下：