[发明专利]一种基于生物序列的负序列模式的相似性分析方法、实现系统及介质

权利要求书

1.一种基于生物序列的负序列模式的相似性分析方法，其特征在于，包括步骤如下：

(1)数据预处理

将DNA序列中的字母用数字来表示；并将数字表示后的DNA序列分割成若干个块，每个块碱基数量相同，得到的若干个块作为频繁模式挖掘的数据集；

(2)频繁模式挖掘

使用f-NSP算法来挖掘数据集，得到最大频繁正、负序列模式；

(3)对最大频繁正、负序列模式进行图形表示；包括：在复平面构造一个嘌呤嘧啶图，嘌呤嘧啶图中，第一、二象限是嘌呤，包括A、G和第三、四象限是嘧啶，包括T、C和四个核苷酸A、G、T、C及其对应的负序列的单位向量如式(Ⅰ)至式(Ⅷ)所示：

(b+di)→A(Ⅰ)

(d+bi)→G(Ⅱ)

(b-di)→T(Ⅲ)

(d-bi)→C(IV)

式(Ⅰ)至式(Ⅷ)中，b和d是非零的实数，A和T是共轭的，G和C也是共轭的，即，A、T、C，G代表现实存在的碱基对，表示的是DNA序列中本该出现却没有出现的碱基对，又称缺失的碱基对，也叫A、G、T、C及其对应的负序列的单位向量；

通过这种表示方法，将一个DNA序列碱基还原为一个数字序列s(t)，如式(Ⅸ)所示：

式(Ⅸ)中，1≤t≤n，s(0)＝0，其中y(j)满足式(X)：

式(X)中，j表示序列S中第0,1,2,...,n个位置上的碱基类型，n是被研究的DNA序列的长度；

利用式(X)把12种最大频繁正、负序列模式转化为数字序列；

(4)DNA序列的相似性分析

求取不同DNA序列的相似度，相似度越小，DNA序列越相似；

求取距离矩阵，距离矩阵用于表示不同DNA序列的相似度；

通过DTW算法求取距离矩阵，设转化DNA序列而获得的时间序列为，其长度分别为m和n；按照它们的时间位置进行排序，构造m×n矩阵A_m×n，矩阵中的每个元素在矩阵中，把一组相邻的矩阵元素的集合称为弯曲路径，记为W＝w₁,w₂,...,w_K，W的第k个元素w_k＝(a_ij)_k，这条路径满足下列条件：

①max{m,n}≤K≤m+m-1；

②w₁＝a₁₁,w_K＝a_mn；

③对w_k＝(a_ij)_k,w_k-1＝(a_i'j')_k-1必须满足0≤i-i'≤1,0≤j-j'≤1，则DTW算法为运用动态规划思想寻找一条具有最小弯曲代价的最佳路径，如式(Ⅺ)所示：

式(Ⅺ)中，i＝2,3,...,m；j＝2,3,...,n，D(m,n)为A_m×n中弯曲路径的最小累加值。