阮 静,黄大荣
(1.云南大学 数学与统计学院,云南 昆明 650009;2.重庆交通大学 信息科学与工程学院,重庆 400074)
随着基因测序技术及数据库的发展,在过去的20年里发布在GenBank数据库(http://www.ncbi.nlm.nih.gov)里的序列数量正在以指数增长.许多序列需要知道它们的功能,或者已知功能同源性等来判定序列,因此序列比较已经成为了一个非常重要的研究领域之一.近年来,出来了很多计算机和统计的方法来对序列的比较.一些DNA序列的图形表示方法也随之出现,比如2D图形表示法,3D图形表示法,4D图形表示法[1-4].Liao等人[5-10]也提出了许多图形表示法.同时,在这些非退化的方法中,几何中心学的概念也被引用进来,结合相似性及不相似性矩阵来对DNA序列进行比较[11-12].然而,Chi等人[13]采用的4D图形表示方法的结果也出现了进化事实不相符合的相似性物种对,如人-山鸡、山鸡-老鼠.在Liao等人[14]用中心几何的方法来比较11个种类的相似性中,从比较的结果来看,存在与进化事实不太相符合的相似性物种对,如山羊-大猩猩、兔子-黑猩猩、牛-黑猩猩等.Tang等人[15]基于Z曲线的4D图形表示法相似性比较,其结果统计显著性不是很明显.
基于以上用4D图形表示方法对DNA序列进行比较的思想,本文提出了一种更有效的计算DNA序列相似性及不相似性的方法,通过这样的方法能够避免出现与进化事实不相符合的相似性物种,并且相似性与不相似性结果差异大,其统计显著性很明显