序列的相似性查询
BLAST_核酸氨基酸序列相似性比较
BLAST 核酸/氨基酸序列相似性比较 Blast (Basic Local Alignment Search Tool)是一套在蛋白质数据库或DNA数据库中进行相似性比较的分析工具。BLAST程序能迅速与公开数据库进行相似性序列比较。BLA ST结果中的得分是对一种对相似性的统计说明。 BLAST 采用一种局部的算法获得两个序列中具有相似性的序列。如果您想进一步了解BLAST算法，您可以参考NCBI的BLAST Course ，该页有BLAST算法的介绍。 BLAST的功能 BLAST对一条或多条序列(可以是任何形式的序列)在一个或多个核酸或蛋白序列库中进行比对。BLAST还能发现具有缺口的能比对上的序列。 BLAST是基于Altschul等人在J.Mol.Biol上发表的方法(J.Mol.Biol.215:403-410(19 90)),在序列数据库中对查询序列进行同源性比对工作。从最初的BLAST发展到现在NC BI提供的BLAST2.0,已将有缺口的比对序列也考虑在内了。BLAST可处理任何数量的序列,包括蛋白序列和核算序列;也可选择多个数据库但数据库必须是同一类型的,即要 么都是蛋白数据库要么都是核酸数据库。 所查询的序列和调用的数据库则可以是任何形式的组合,既可以是核酸序列到蛋白库中作查询,也可以是蛋白序列到蛋白库中作查询,反之亦然。 通常根据查询序列的类型（蛋白或核酸）来决定选用何种BLAST。假如是作核酸－核酸查询，有两种BLAST供选择，通常默认为BLASTN。如要用TBLASTX也可，但记住此时不考虑缺口。 BLAST适用于本地查询。可以下载公共数据库，对于该数据库的更新和维护是必不可少的。如果要直接到网上查询也可以（即ＮetＢlast），但记住如果你认为自己的序列很有价值的话，还是谨慎为宜。 如何访问在线的BLAST功能服务? 您只要通过浏览器访问Blast主页(https://www.360docs.net/doc/5d8274814.html,/) 。所有的查询和分析都通过浏览器来完成，就象您在您的本地机上一样方便和快捷。 BLAST 采用一种局部的算法获得两个序列中具有相似性的序列。 Blast中常用的程序介绍： 1、BLASTP是蛋白序列到蛋白库中的一种查询。库中存在的每条已知序列将逐一地同每条所查序列作一对一的序列比对。 2、BLASTX是核酸序列到蛋白库中的一种查询。先将核酸序列翻译成蛋白序列（一条核酸序列会被翻译成可能的六条蛋白），再对每一条作一对一的蛋白序列比对。 3、BLASTN是核酸序列到核酸库中的一种查询。库中存在的每条已知序列都将同所查序列作一对一地核酸序列比对。
时间序列相似性度量
讨论一般时间序列相似的度量方式 1、概念： 时间序列的相似性度量是衡量两个时间序列的相似程度的方法。它是时间序列分类、聚类、异常发现等诸多数据挖掘问题的基础；也是时间序列挖掘的核心问题之一。 2、意义： 时间序列式进行序列查询、分类、预测的基本工作，寻求一种好的度量对提高挖掘任务的效率和准确性有着至关重要的意义。 3、影响因素： 两个序列是否相似，主要看它们的变化趋势是否一致。由于时间序列数据的复杂性特点，实际中不可能存在两条完全相同的时间序列，即使相似的时间序列往往也会呈现出各种各样的变化。所以，任何两个序列之间都存在着某种差异，影响这种差异的主要因素有： （1）噪声：现实的大多数时间序列数据都存在噪声，体现在图形上式指数据的曲线不光滑，即存在“毛刺”。 （2）振幅平移：即两条形态相似的时间序列分别绕高低不同的均值波动。（3）振幅伸缩：即两条时间序列的变化趋势相同，但其中一条时间序列在纵轴上似乎被拉伸或者压缩过一样，即两个序列的振幅不同。 （4）时间轴伸缩：是指两条时间序列的波形相似，但其中一条时间序列在时间轴上按比例伸缩。 （5）线性漂移：是指两条时间序列的波动节奏相似，但其中一条时间序列呈现线性递增或递减趋势。 （6）不连续性：是指两条时间序列整体的波动趋势相同，只是在别的时间点或段出现间断。
然而，在实际应用中情况要复杂得多，往往是以上多种因素交织在一起。时间序列的相似性并没有一个客观的定义，具有一定的个人偏好性，也就是说，不同的人或不同的应用场合对各种差异影响的重视程度是不一样的。给定两条时间序列 {}12,,....,n X x x x =和{}12=,,....m Y y y y ，相似性度量的问题就是在各种各样差异因素的影响下，寻求一个合适的相似性度量函数(),Sim X Y ，使得该函数能很好地反映时间序列数据的特点。 4、方法：目前时间序列相似性度量，最常用的有Minkowski 距离和动态时间弯曲。 一、Minkowski 距离 给定两条时间序列{}{}1 212....=....n n X x x x Y y y y =和 它们之间的Minkowski 距离如下： ()11,n p p i i i d X Y x y =??=- ???∑ Minkowski 距离是一种距离度量，因为它满足距离的三个条件： （1） 非负性：()(),0,,,0d X Y X Y d X Y ≥==当且仅当； （2） 对称性：()(),,;d X Y d Y X = （3） 三角不等式：()()(),,,d Y Z d X Y d X Z ≤+ 大多简单的相似性度量是Minkowski 距离及其它的变种，Minkowski 距离的优点是简单、直观且计算复杂度不高，与时间序列的长度成线性关系即序列长度的增加不会造成计算复杂程度的迅速提高。所以当训练集比较大时，Minkowski 距离比其他更有效。但是Minkowski 距离不支持时间序列的线性漂移和时间弯曲，且无法处理不等长的时间序列。
生物信息学中的序列比对算法
生物信息学中的序列比对算法 张永１，王瑞２ （１．南昌航空大学计算机学院，江西南昌３３００６３；２．江西大宇职业技术学院，江西南昌３３００３８） 摘要：生物信息学是以计算机为工具对生物信息进行储存、检索和分析的科学。序列比对是生物信息学中的一个基本问题，设计快速而有效的序列比对算法是生物信息学研究的一个重要内容，通过序列比较可以发现生物序列中的功能、结构和进化的信息，序列比较的基本操作是比对。本文介绍了序列比对算法的发展现状，描述了常用的各类序列比对算法，并分析了它们的优劣。 关键词：生物信息学；双序列比对；多序列比对 中图分类号：ＴＰ３０１文献标识码：Ａ文章编号：１００９－３０４４（２００８）０３－１０１８１－０４ ＳｅｑｕｅｎｃｅＡｌｉｇｎｍｅｎｔＡｌｇｏｒｉｔｈｍｓｉｎＢｉｏｉｎｆｏｒｍａｔｉｃｓ ＺＨＡＮＧＹｏｎｇ１，ＷＡＮＧＲｕｉ２ （１．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｉｎｇ，ＮａｎｃｈａｎｇＨａｎｇｋｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｃｈａｎｇ３３００６３，Ｃｈｉｎａ；２．ＪｉａｎｇｘｉＤａｙｕＶｏｃａｔｉｏｎａｌＩｎｓｔｉｔｕｔｅ，Ｎａｎｃｈａｎｇ３３００３８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｂｉｏｉｎｆｏｒｍａｔｉｃｓｉｓｔｈｅｓｕｂｊｅｃｔｏｆｕｓｉｎｇｃｏｍｐｕｔｅｒｔｏｓｔｏｒｅ，ｒｅｔｒｉｅｖｅａｎｄａｎａｌｙｚｅｂｉｏｌｏｇｉｃａｌｉｎｆｏｒｍａｔｉｏｎ．Ｓｅｑｕｅｎｃｅａｌｉｇｎｍｅｎｔｉｓａｂａ－ｓｉｃｐｒｏｂｌｅｍｉｎＢｉｏｉｎｆｏｒｍａｔｉｃｓ，ａｎｄｉｔｓｍａｉｎｒｅｓｅａｒｃｈｗｏｒｋｉｓｔｏｄｅｖｅｌｏｐｒａｐｉｄａｎｄｅｆｆｅｃｔｉｖｅｓｅｑｕｅｎｃｅａｌｉｇｎｍｅｎｔａｌｇｏｒｉｔｈｍｓ．Ｗｅｍａｙｄｉｓｃｏｖ－ｅｒｆｕｎｃｔｉｏｎａｌ，ｓｔｒｕｃｔｕｒａｌａｎｄｅｖｏｌｕｔｉｏｎａｒｙｉｎｆｏｒｍａｔｉｏｎｉｎｂｉｏｌｏｇｉｃａｌｓｅｑｕｅｎｃｅｓｂｙｓｅｑｕｅｎｃｅｃｏｍｐａｒｉｎｇ．Ｔｈｉｓｐａｐｅｒｉｎｔｒｏｄｕｃｅｓｔｈｅｄｅｖｅｌｏｐ－ｍｅｎｔａｃｔｕａｌｉｔｙｏｆｓｅｑｕｅｎｃｅａｌｉｇｎｍｅｎｔａｌｇｏｒｉｔｈｍｓ，ｄｅｓｃｒｉｂｅｓｖａｒｉｅｔｙｏｆｓｅｑｕｅｎｃｅａｌｉｇｎｍｅｎｔａｌｇｏｒｉｔｈｍａｎｄａｎａｌｙｓｅｓｔｈｅａｄｖａｎｔａｇｅｓａｎｄｄｉｓａｄ－ｖａｎｔａｇｅｓｏｆｔｈｅｍ． Ｋｅｙｗｏｒｄｓ：Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ；ＰａｉｒｗｉｓｅＳｅｑｕｅｎｃｅＡｌｉｇｎｍｅｎｔ；ＭｕｌｔｉｐｌｅＳｅｑｕｅｎｃｅＡｌｉｇｎｍｅｎｔ １引言 生物信息学是８０年代末随着人类基因组计划的启动而兴起的一门新的交叉学科，最初常被称为基因组信息学。生物信息学是在生命科学的研究中，以计算机为工具对生物信息进行储存、检索和分析的科学。它是当今生命科学和自然科学的重大前沿领域之一，同时也将是２１世纪自然科学的核心领域之一。其研究重点主要体现在基因组学和蛋白组学两方面，具体说，是从核酸和蛋白质序列出发，分析序列中表达结构与功能的生物信息。 生物信息学的研究重点主要体现在基因组学和蛋白质学两方面，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分析序列进行分析，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。在从事分子生物学研究的几乎所有实验室中，对所获得的生物序列进行生物信息学分析已经成为下一步实验之前的一个标准操作。而在序列分析中，将未知序列同已知序列进行相似性比较是一种强有力的研究手段，从序列的片段测定，拼接，基因的表达分析，到ＲＮＡ和蛋白质的结构功能预测，物种亲缘树的构建都需要进行生物分子序列的相似性比较。例如，有关病毒癌基因与细胞癌基因关系的研究，免疫分子相互识别与作用机制的研究，就大量采用了这类比较分析方法。这种相似性比较分析方法就称为系列比对（ＳｅｑｕｅｎｃｅＡｌｉｇｎｍｅｎｔ）。目前，国际互联网上提供了众多的序列比对分析软件。然而，不同的分析软件会得到不同的结果，同时所使用的参数在很大程度上影响到分析的结果。有时常常会由于采用了不合适的参数而丢失了弱的但却具有统计学显著性意义的主要信息，导致随后的实验研究走弯路。因此，生物信息学中的序列比对算法的研究具有非常重要的理论与实践意义。 序列比对问题根据同时进行比对的序列数目分为双序列比对和多序列比对。双序列比对有比较成熟的动态规划算法，而多序列比对目前还没有快速而又十分有效的方法。一般来说，评价生物序列比对算法的标准有两个：一为算法的运算速度，二为获得最佳比对结果的敏感性或准确性。人们虽已提出众多的多序列比对算法，但由于问题自身的计算复杂性，它还尚未得到彻底解决，是 收稿日期：２００７－１１－２５ 基金资助：南昌航空大学校自选（ＥＣ２００７０６０８６） 作者简介：张永（１９７７－），男，硕士，辽宁铁岭人，南昌航空大学计算机学院讲师，研究方向：生物信息学、信息处理；王瑞（１９７７－），男，江西大宇职业技术学院外语系助教。
时间序列相似性度量的研究
《时间序列相似性度量的研究》读书笔记 一、文章主要内容 时间序列的相似性度量是时间序列数据挖掘研究中的一个重要问题，是进行序列查询、分类、预测的一项基础工作。寻求一种好的度量对提高挖掘任务的效率和准确性有着至关重要的意义。目前从事这方面的研究除了少许理论论述外，几乎都采用一种固定的方法，即提出具体要求并提供实验数据。然而，大多数实验方法不是使用范围有限就是侧重点不同。为了提供一个比较全面的实验验证，用INN分类算法进行了大量的时间序列交叉验证实验。重新评估了其中的弹性度量，并使用不同应用领域的28个时间序列数据集进行比较，结果表明，该方法具有更高的准确性。 二、文章重点内容 1、时间序列的相似性度量 时间序列的相似性度量是时间序列数据挖掘研究中的一个重要问题，能反映数据中基本的相似性，这一点为时间序列的相似性检索、分类、预测等尤其可取。因此合理的相似性度量能够提高数据挖掘的有效性和准确性。 目前时间序列相似性度量，最常用的有欧氏距离(ED)和动态时间弯曲(DTW)。其它许多度量及它们的扩展已被广泛引用到文献和用于便利查询处理和时间序列数据挖掘。本文根据降维和压缩的方法定义距离度量。保证约简后的距离小于或等于原数据的真实距离。即满足无漏报原则，就是要求数据表示满足条件：DF(q，s)≤D(q，s)，其中：q是查询序列；s是数据集中的任意序列；是约简空间中的两序列距离；D是真实的两序列距离。 2、DTW DTW允许时间序列的延伸或压缩，查找结果要优于ED。而且可采用下界函数加速查找速度。带有动态窗口的时间弯曲s，不仅能提高计算效率而且能提高相似性测量精度。
另一组时间序列的相似性度量是在编辑距离概念的基础上形成的。它的思想是两个序列越相似，则将其中的一个序列通过插入、删除等操作变换成另一个序列所要做的功就越少。它们为时间序列的匹配定义了一系列操作及一个衡量这些操作所需的代价函数，事件序列间的相似距离就可以定义为将一个序列变换为另一个序列所需要操作的代价之和。然后，通过动态变换来计算编辑距离。最好的是LCSS，它利用最长公共子序列模型，适应设置的时间序列匹配字符的概念。阈值参数8已知，如果它们的距离少于￡。说明两个时间序列的两个点是匹配的。EDR是基于编辑距离的另一个相似性度量．和LCSS相比，EDR也用了一个阈值参数8，参数的作用是量化一对点0或1之间的距离。EDR根据空白的长度增强数据率．分配两个匹配部分间的差距。ERP距离包括了DTW 和EDR的优点。通过连续变化的参考点计算两个时间序列差距的距离。实质上，如果两个点之间的距离太大，ERP简单使用这些点中的一个和参考点计算之间的距离值。最近，计算编辑距离的一种新方法在文献『9] 4、数据世系分类 按照数据世系包含的数据源类型不同，数据的世系可分为在不同数据源间的数据演化过程和相同数据源内部数据的演化过程，即模式级和实例级数据演化过程。 （1）模式级数据世系：异构数据源间的数据共享问题一直是数据集成的核心问题之一。不同模式的数据源间进行的数据演化过程是数据集成的关键部分，由于不知道数据的具体形式从而无法标注数据项的世系，只能利用模式级数据问的对应关系追踪数据在不同模式间的演化过程。 （2）实例级数据世系：用户通过查询所有可能的映射关系，找到模式级数据的世系，想要获取更细粒度的世系，还需要在某数据源内部考察数据的演化过程，即实例级数据的世系。和模式级数据的世系不同，实例级的数据项可以被显式地表达出来，通过对数据进行标注得到更细粒度的数据世系。 5、数据世系的应用 在科学数据管理、商业应用等领域，特别是在分布式环境下，数据世系的管理获得了一些成果，R. Bose将数据处理过程分为以下几种方式：基于脚本或程序运行的、基于查询的、基于工作流管理系统的和基于服务的方式。 下表是典型的世系研究项目：
核酸、氨基酸序列和蛋白质二级结构之间关系的探究
核酸、氨基酸序列和蛋白质二级结构之间关系的探究 马鹏，王联结 陕西科技大学生命科学与工程学院，陕西咸阳（712081） E-mail：04mapeng@https://www.360docs.net/doc/5d8274814.html, 摘要：核酸序列中是否存在蛋白质空间结构信息？根据通常情况下遗传密码表中密码子中间位的碱基配对时产生的氢键数目，尝试将20种氨基酸划分为两类，并用自编的计算机软件对蛋白质二级结构数据库中两类氨基酸的类聚现象进行了统计分析。结果表明，使用这种方法对氨基酸进行划分后，氨基酸残基具有较大概率与划入同一类的氨基酸残基相邻出现，并且这种聚集体对二级结构具有一定的偏好性。 关键词：核酸，氨基酸序列，二级结构，预测 1. 引言 过去的几十年中，出现了多种多样的蛋白质二级结构预测方法。其中一部分，也是最早出现的，后来出现低谷的研究方法是统计序列中氨基酸残基对结构的倾向性[1~3]。但近年来，通过氨基酸序列预测蛋白质二级结构的研究又有复苏。长期以来，人们也试图通过分析核酸序列找到蛋白质空间结构的信息，例如从氨基酸的密码子出发来研究序列和结构之间的关系[4~6]。对氨基酸残基聚集体的研究也有报道[3,7~9]。本文根据氨基酸密码子和反密码子配对时中间位碱基之间正常情况下形成的氢键数目（以下简称为氢键数法）的不同对氨基酸残基进行了重新分类，并对分类后可能在蛋白质序列中存在的类聚现象（同一类氨基酸残基的连续分布）做了初步研究。 2. 方法 2.1 氢键数方法 根据20种氨基酸三联密码子中间位的碱基在正常情况下能够形成的氢键数目为2或3的不同，将20种氨基酸分为两大类，其中：第一类氨基酸残基包括A、G、C、T、P、R、S和W；而第二类包括D、E、F、I、K、L、N、Q、V、H、Y和M。 2.2 数据库 选用DSSP数据库，并使用相似性小于25％的蛋白质选择列表，最后取得了923个非同源蛋白质数据。在DSSP二级结构8态分类到3态分类转换中借鉴前人工作采用如下划分：α螺旋h（H，G，I），β折叠e（E）和卷曲c（B，T，S，C）。将B结构划入卷曲中是因为它作为一个独立的连接键，很难被认为是一种规则结构[3]。再将3种二级结构按照其是否属于规则结构划为两大类：第一类为非规则结构（c）；第二类为规则结构（h，e）。 2.3 统计方法 根据氢键数方法将氨基酸分类后，为了研究这种分类方法在蛋白质二级结构预测中的应用意义，我们进行了一些统计计算。早期观察表明，分类后某些氨基酸残基在一些蛋白质中具有类聚倾向。那么这种类聚是否在蛋白质中具有普遍性？在不考虑二级结构的情况下，对蛋白质中类聚出现概率的统计给这个问题做出了衡量。类聚的出现如果有相当大的可能性，对类聚和蛋白质二级结构之间对应关系的研究则是必要的。这种对应关系的研究包括两个方面：类聚中的残基是否具有特定的二级结构；具有特定二级结构的氨基酸残基是否处于特定的类聚中。 在不考虑二级结构情况下，统计出处于类聚的残基数量N，该数值与残基总数N t的比值P作为衡量类聚现象是否具有普遍性的统计量，表示一个氨基酸残基处于类聚的概率，有：P＝N/N t
实验2 序列查询(Entrez)、BLAST序列相似性搜索
实验二：序列查询(Entrez)、BLAST序列相似性搜索 实验目的： 1.学会用Entrez系统查找目标序列 2.学会使用BLAST在数据库中搜索相似序列 3.学会分析数据库搜索结果 实验内容： 一、Entrez Entrez是一个由NCBI创建并维护的基于Web界面的综合生物信息数据库检索系统。用户不仅可以方便地检索Genbank的核酸数据，还可以检索来自Genbank和其它数据库的蛋白质序列数据、基因组图谱数据、来自分子模型数据库(MMDB)的蛋白质三维结构数据、种群序列数据集、以及由PubMed获得Medline的文献数据。 网址：https://www.360docs.net/doc/5d8274814.html,/Entrez/（或在NCBI主页默认All Databases时点击搜索框右边的Search进入）。如Figure 2.1所示： Figure 2.1 entrez 检索系统子数据库 点击搜索框右边的help按钮，即可进入Entrez帮助页面。 在搜索栏输入你要查找的关键词，点击“GO”即可开始搜索。如果输入多个关键词，它们之间默认的是“与”（AND）的关系。 Ｔｉｐｓ：搜索的关键词可以是一个单词，短语，句子，数据库的识别号，基因名字等等，但必须明确，不能是“ｇｅｎｅ”， “ｐｒｏｔｅｉｎ”等没有明确指向的词语。但“ｔｒａｎｓｃｒｉｐｔｉｏｎ ｆａｃｔｏｒ”这样有一定范围的词是可以接受的。可以用你感兴趣的领域的专业术语，也可以是非专业术语，比如：ｈ１ｎ１，ｌｕｎｇ ｃａｎｃｅｒ，ａｌｂｉｎｉｓｍ； ｓｕｂｔｉｌｉｓｍ， ｐｅｒｏｘｉｄａｓｅ， ｍｙｏｇｌｏｂｉｎ。 输入关键词，点击“GO”之后，每个数据库图标前方出现了数字,代表的是在相对应的数据库里搜索到的条目数。点击进入对应的数据库，可以查看搜索到的条目。如果在数据库图标前面为灰色，显示“none”,说明在对应的数据库里没有搜索到任何结果。
生物序列比对算法分析与比较
文章编号"#$$#%&’’()*$$’+$,%$*#’%$- 生物序列比对算法分析与比较 钟 诚#.宋 彬* )#/广西大学计算机与电子信息学院.广西南宁(,$$$’0*/中国科学技术大学计算机科学技术系.安徽合肥*,$$*&+ 摘要"序列比对是生物信息学的一个非常重要的操作/它可以预测生物序列的功能1结构和进化过程等/文中首先介绍双序列比对的基本算法0接着分析和比较多序列比对的四个常用模型和三类算法以及并行比对算法0最后.给出一些研究问题/ 关键词"生物信息学0双序列比对0多序列比对0精确算法0近似算法0启发式算法中图分类号"23,$#04-##文献标识码"5 生物信息学是一门综合数学1计算机科学和生物学的交叉学科6#7 / 生物信息学内涵非常丰富.其核心是基因组信息学.包括基因组信息的获取1处理1存储1分配和解释/基因组信息学的关键是8读懂9基因组的核苷酸顺序.即全部基因在染色体上的确切位置以及各:;5片段的功能0 在发现新基因信息之后模拟和预测蛋白质空间结构. 然后依据特定蛋白质的功能进行药物设计/生物序列中的信息在系统进化1生态守恒1疾病控制1病毒起源甚至<=>病毒统计和传播等的研究中是一个非常重要的基本工具6*7 .因此.序列比对是生物信息学的基础/序列比对分为全局比对)?@A B C @5@D E F G H F I +和局部比对)J A K C @5@D E F G H F I +/全局比对要求把一个序列中的所有符号和另一个序列中的所有符号进行匹配比较. 它描述整个序列的相似性/将两个序列进行比对就是双序列比对.它是比较两个生物序列相似性的重要工具/ 这个分析工具已经成功地运用到预测生物序列的结构1功能和进化例程中/随着生物医学中有更多的序列合成出来.人们开始用多序列比对来更好地研究生物序列/将多个序列进行比对就是多序列比对问题.它是一个将不等长的多个序列通过插入空格变成等长的过程.这些位 置上的空格代表着相比较的序列从共同的祖先通过插入L 删除操作的进化过程6,7 / 求解多序列比对问题的算法主要分为精确算法1近似算法和启发式算法三种/ #双序列比对 对于两个长度分别为M 的序列有*M N O M P )*M +Q )M Q +)M Q +R **M S T M 种比对情况.这是一个指数级复杂度的计算问题/#U &$年.;H H V @H G C F 和WX F Y K Z 基于动态规划方法6’7提出了第一个双序列比对算法6(7 #U -*年.?A I A Z 对其做了进一步的改进6[7/
有关信号卷积的相似性概念
有关信号卷积的相似性概念 02094025 陈亚杰 摘要 本文主要研究的是离散信号的相似性。本文阐述了信号卷积和信号相关的概念，通过比较，可以用信号卷积来判断信号的相关性即本文所说的相似性。本文还利用向量内积投影来说明相似性，最后用matlab 语言对本文提出的相似性进行仿真分析。 1.引言 卷积方法在信号与系统理论中占有重要地位。这里所要讨论的卷积积分是将输入信号分解为众多的冲激响应之和（这里是积分）。在LTI （Linear Time Invariant ）系统中的零状态响应是激励与系统的冲击响应的卷积积分。为比较信号与另一延时信号之间的相似程度，需引入相关函数的概念。相关函数是鉴别信号的有力工具，被广泛应用于雷达回波的识别，通信同步信号的识别等领域。本文分四章讨论，第二章将给出所需要的数学工具的说明，并介绍本文方法。第三章给出实验仿真。最后一章是对本文的一个总结。 2.理论 在向量中为了表示两向量的相似性，可以用向量的内积来说明 设存在两个向量，分别为a,b.其在平面为： 两向量的相关性就看夹角的大小，如果两个向量平行说明两个向量最相似。如果两个信号垂直说明两个向量相似性差。用公式表示为：>=<=θ 我们只通过角度判断其相似性，但当角度一定，长度发生变化时他们的相似程度明显不一样，所以我们通过下面的公式计算。 ) ||,|max (|cos ||||)||,|max (|,2222b a b a b a b a R θ=><=
这样我们就可以将两个非零向量的相似程度给表示出来。 因为不存在信号幅度为负值的信号，所以信号的相似性我们定义其在[0,1]间取值，所以 |) ||,|m ax (|cos ||||||)||,|m ax (|,|2222b a b a b a b a R θ=><= 卷积与傅里叶变换有着密切的关系。利用一点性质，即两函数的傅里叶变换的乘积等于它们卷积后的傅里叶变换，能使傅里叶分析中许多问题的处理得到简化。一般而言，给定两函数f1(t)，f2(t)，则积分 为f1(t)和f2(t)的卷积，常表示为 f(t)=f1(t)*f2(t) 而dt t f t f dt t f t f R )()()()()(212112τττ+=-=?? ∞∞-∞∞- dt t f t f dt t f t f R )()()()()(12 1221τττ+=-=??∞∞-∞ ∞- 如果上式两个函数的积分存在，我们将其称为)(1t f 和)(2t f 的互相关函数。 由式可见，互相关函数是两信号之间的时间差τ的函数。其值越大表明这两信号经过时移τ之后的相似程度越大。其离散形式为： )()()()()(212112k f n k f n k f k f n R k k +=-=∑∑∞ ∞-∞∞ - )()()()()(121221k f n k f n k f k f n R k k +=-=∑∑∞∞ -∞∞- 由卷积的性质可知，上式可写为： )(*)()(2112t f t f R =τ， )(*)()(1221t f t f R =τ； )(*)()(2112k f k f n R =， )(*)()(1221k f k f n R =； ()()()()ττ-τ=?∞ ∞-d t f f t f *t f 2121
实用生物信息技术课程第4次作业BLAST数据库相似性搜索姓名
实用生物信息技术课程第4次作业 BLAST数据库相似性搜索 姓名________ 学号______________ 组号_____ 日期________年___月___日 1.以人血红蛋白beta亚基（HBB_HUMAN）为检测序列，搜索Swiss-Prot数据库，找出 灵长目动物（Primates）中与HBB_HUMAN序列相似性高于90%（Identity>90%）的beta珠蛋白（beta globin）。 2.以人血红蛋白alpha亚基（HBA_HUMAN）为检测序列，用BlastP搜索Swiss-Prot数据 库，改变种子序列字长（Word size）和计分矩阵（Scoring matrix），找出人珠蛋白家族12个成员。 3.以人血红蛋白alpha亚基（HBA_HUMAN）为检测序列，用PSI-Blast搜索Swiss-Prot 数据库，找出人珠蛋白家族成员脑红蛋白（Neuroglobin）。 4.以人血红蛋白alpha亚基（HBA_HUMAN）为检测序列，用DELTA-Blast搜索Swiss-Prot 数据库，找出人珠蛋白家族成员脑红蛋白（Neuroglobin）。 5.以人血红蛋白alpha亚基（HBA_HUMAN）为检测序列，用tBlastN搜索RefSeq数据 库中人珠蛋白家族mRNA序列，提取其编码区序列，进行多序列比对，分析结果。6.以人血红蛋白alpha亚基（HBA_HUMAN）为检测序列，搜索RefSeq数据库中人、小 鼠和大鼠三个物种珠蛋白家族mRNA序列，提取其编码区序列，进行多序列比对，分析结果。 7.查阅Blast网站帮助文档和相关文献，结合Blast算法，归纳总结Blast数据库相似性搜 索的用法 8.结合本人课题研究中的实例，说明Blast具体应用。 9.本地BLAST（选做题） 1)下载玉米转录因子蛋白质序列和编码区核苷酸序列数据，构建本地BLAST数据库。 2)以拟南芥转录因子SPL3蛋白质序列为检索序列，用BlastP搜索玉米转录因子蛋白 质序列中相似序列，用tBlastN搜索玉米转录因子编码区序列中相似序列，分析结 果。 3)以拟南芥转录因子SPL3编码区序列为检索序列，用BlastN搜索玉米转录因子编码 区序列中相似序列，用BlastX搜索玉米转录因子蛋白质序列中相似序列，分析结 果。 1
实验二 序列相似性查询工具的使用
实验二序列相似性搜索软件—BLAST的使用 一、实验目的：掌握序列相似性查询工具—BLAST使用方法和技巧，理解与序列相似性查询相关的几个基本概念。 二、实验原理：BLAST是基本的局部对位排列搜索工具，它通过搜索序列数据库来找出最优的无空位局部对比，从数据库中找出与查询序列的某些子序列相似的子序列。 三、实验器材：计算机，NCBI、EMBL生物信息学数据库的核苷酸序列、BLAST序列相似性搜索软件。 四、实验内容：应用上次或本次实验查找到的不同物种的不同基因组的核苷酸序列，在NCBI数据库中进行核苷酸序列的BLAST相似性搜索。 五、实验步骤： 1、打开NCBI网站的主页，然后点击网页左侧工具栏中的Sequence analysis项，进入到序列分析的主页面。 2、然后点击序列分析工具栏中的BLAST选项，进入相似性搜索的界面，然后选择核苷酸序列搜索软件BLASTn。 3、在进入核苷酸序列相似性搜索的界面后，在界面上Enter Query Sequence后面的方框中输入需要进行相似性搜索的序列，然后点击BLAST检索按钮，就可以进行搜索。 4、在进入搜索结果的界面后，就可以得到搜索结果的可视化图像和搜索得到的相关序列。 六、实验要求：每个组每个同学至少用4条核苷酸序列进行BLAST相似性搜索。将相似性搜索结果中的可视化图像和搜索的相关序列拷贝下来作为实验内容。 七、实验结果： 例1： （物种名、基因名）
实验结果： 1. （冬虫夏草，18S-ITS1-5.8S-ITS2-28S） Legend for links to other resources:UniGene GEO Gene Structure Map Viewer PubChem BioAssay Sequences producing significant alignments: Accession Description Max score Total score Query coverage E value Max ident Links HQ918290.1 Paecilomyces sinensis 18S ribosomal RNA gene, partial sequence; internal transcribed spacer 1, 5.8S ribosomal RNA gene, and internal transcribed spacer 2, complete sequence; and 28S ribosomal RNA gene, partial sequence 11221122 98% 0.0 100%
生物序列比对算法研究现状与展望
生物序列比对算法研究现状与展望 张 敏1,2 (1.大连理工大学计算机科学与工程系,辽宁大连116024;2.大连大学信息工程学院,辽宁大连 116622)Ξ 摘 要:序列比对是生物信息学研究的一个基本方法,寻求更快更灵敏的序列比对算法一直是生物信息学 研究的热点.本文给出了生物序列比对问题的定义,综述了目前常用的各类比对算法,并对每一类算法的 优缺点以及应用范围进行了分析,最后指出序列比对算法目前存在的问题以及未来的发展方向. 关 键 词:生物信息学;两序列比对;多序列比对;算法 中图分类号:TP301 文献标识码:A 文章编号:100822395(2004)0420075205 Current and prospect of bio 2sequence alignment algorithm ZH ANG Min 1,2 (1.Department of C om puter Science and Engineering ,Dalian University of T echnology ,Dalian 116024,China ;2.C ollege of In formation Engineering ,Dalian University ,Dalian 116622,China ) Abstract :Sequence alignment is a basic and important tool in bioin formatics.The research of fast and sensitive biology sequence alignment alg orithm is a current hot topic of bioin formatics.This paper introduces a definition of sequence align 2 ment ;as wellas the research advance of alignment alg orithms at present ,and describes the advantage and limit of the al 2 g orithms and applicable https://www.360docs.net/doc/5d8274814.html,stly ,the problems and development directions are pointed out. K ey w ords :bioin formatics ;pair 2wise alignment ;multiple alignment ;alg orithm 随着人类基因组计划的实施,DNA 和蛋白质序列数据库的规模已呈指数增长,单纯依靠实验手段研究、理解这些生物大分子的生物意义已远远不能满足目前分子生物学发展的要求.生物信息学(Bioin for 2matics )作为一门综合运用分子生物学、数学和计算机等学科的理论和方法的交叉学科为阐明和理解这些海量数据所包含的生物意义提供了可能.序列比对是生物信息学研究的重要方法之一,它通过对DNA 和蛋白质序列进行相似性比较,指明序列间的保守区域和不同之处,为进一步研究它们在结构、功能以及进化上的联系提供了重要的参考依据. 本文给出了生物序列比对问题的定义,综述了目前常用的各类比对算法,分析了每一类算法的应用范围,最后指出了序列比对目前存在的问题以及未来发展方向. 1 序列比对问题的定义与分类 定义:序列比对问题可以表示为一个五元组MSA =( ∑’,S ,A ,F ),其中: (1)∑’=∑∪{-}为序列比对的符号集;“-”表示空位(gap );∑表示基本字符集,对于DNA 序列,∑={a ,c ,g ,t}代表4个碱基;对于蛋白质序列,∑由20个字符组成,每个字符代表一种氨基酸残 Ξ收稿日期:2003207215基金项目:大连市科技计划项目(2002年) 作者简介:张 敏(1966-),女,副教授,博士生. 第25卷 第4期2004年8月大连大学学报J OURNA L OF DA LI AN UNI VERSITY Vol.25 No.4Aug. 2004
第三章 序列比较
第三章序列比较 序列比较是生物信息学中最基本、最重要的操作，通过序列比对可以发现生物序列中的功能、结构和进化的信息。序列比较的根本任务是：通过比较生物分子序列，发现它们的相似性，找出序列之间共同的区域，同时辨别序列之间的差异。在分子生物学中，DNA或蛋白质的相似性是多方面的，可能是核酸或氨基酸序列的相似，可能是结构的相似，也可能是功能的相似。一个普遍的规律是序列决定结构，结构决定功能。研究序列相似性的目的之一是，通过相似的序列得到相似的结构或相似的功能。这种方法在大多数情况下是成功的，当然，也存在着这样的情况，即两条序列几乎没有相似之处，但分子却折叠成相同的空间形状，并具有相同的功能。这里先不考虑空间结构或功能的相似性，仅研究序列的相似性。研究序列相似性的另一个目的是通过序列的相似性，判别序列之间的同源性，推测序列之间的进化关系。这里，将序列看成由基本字符组成的字符串，无论核酸序列还是蛋白质序列，都是特殊的字符串。本章着重介绍通用的序列比较方法。 序列的相似性 3.1 3.1序列的相似性 序列的相似性可以是定量的数值，也可以是定性的描述。相似度是一个数值，反映两条序列的相似程度。关于两条序列之间的关系，有许多名词，如相同、相似、同源、同功、直向同源、共生同源等。在进行序列比较时经常使用“同源”（homology）和“相似”（similarity）这两个概念，这是两个经常容易被混淆的不同概念。两条序列同源是指它们具有共同的祖先。在这个意义上，无所谓同源的程度，两条序列要么同源，要么不同源。而相似则是有程度的差别，如两条序列的相似程度达到30%或60%。一般来说，相似性很高的两条序列往往具有同源关系。但也有例外，即两条序列的相似性很高，但它们可能并不是同源序列，这两条序列的相似性可能是由随机因素所产生的，这在进化上称为“趋同”（convergence），这样一对序列可称为同功序列。直向同源（orthologous）序列是来自于不同的种属同源序列，而共生同源（paralogous）序列则是来自于同一种属的序列，它是由进化过程中的序列复制而产生的。
BLAST序列相似性检索
E值意义： 当用查询序列搜索一个数据库时，完全由机会击中对象的平均数。即，因为随机性造成获得这一联配结果的可能次数。例如，E=1，表示在目前大小的数据库中，完全由机会搜到对象数的平均值为1. 从搜索角度讲，E值越小，联配结果越显著（E越接近0，说明发生这一事件的可能性越小）；E值越大，说明这些匹配结果很有可能是随机产生的，而且绝大部分序列来自其他生物。 目前，通过数据库查询、cDNA文库直接测序、mRNA差别显示 (DDRT-PCR)、代表性差示分析(RDA-PCR)和抑制差减杂交(SSH)等方法获得的EST数据越来越庞大。GenBank数据库中收录的 EST序列有数百万个之多。由于 EST代表着一段表达基因序列，这样就可用其与公共数据库进行同源性检索，检索与其同源的核酸序列。典型分析是采取NCBI的Blast 软件对 GenBank 中的非冗余数据库（non-redundant database,nr）进行查询。该数据库是对GenBank EMBL 和DDBJ中去除所有相同核酸序列进行整合后所得的最为全面的已知基因数据库，其中包括部分基因组序列。联网至“https://www.360docs.net/doc/5d8274814.html,/blast/blast.cgi选择数据库“Nucleotide”，利用blastn程序进行同源性检索。”, 按照提示进行查询。 相似的蛋白序列很可能具有相似的功能。因此，蛋白质的功能预测最为可靠的方法是进行数据库相似性检索。此方法应至少80个氨基酸长度范围内具有25％以上的序列一致才提示可能的显著意义。目前一般方法是基于NCBI/Blast软件的蛋白质同源性分析 类似于核酸序列的同源性分析，用户直接将待分析的蛋白质序列输入NCBI/Blast软件（https://www.360docs.net/doc/5d8274814.html,/blast/）的序列输入框内，选择程序：Blastp”就可联网进行相应分析。 至于具体参数设置，还请仔细阅读说明，记得有一本blast的中文教程，您可以搜搜看。 BLAST序列相似性检索
实验二_数据库相似性搜索与序列比对
实验二数据库相似性搜索与序列比对 实验原理： 数据库相似性搜索以两两序列比对为基础，将感兴趣的基因序列与序列数据库中的每个序列进行比较，鉴别出相似的序列。搜索结果显示出与最佳匹配序列的对位排列及匹配记分。序列数据库搜索对发现基因的功能非常有效。FASTA和BLAST是两个著名的用于数据库相似性搜索的软件包。其中BLAST（Basic Local A1ignment Search Tool）基于局部比对的搜索工具，是一种启发式搜索算法服务软件，包括BLASTP，BLASTN，BLASTX，TBLASTN 和TBLASTX程序。 实验目的与要求： 学习数据库相似性检索和序列比对的程序的使用，能够理解程序给出的结果，从中获取有关功能和结构的信息。 （1）要求学生运用已经学习过的数据库检索方法在数据库中检索特定的基因 （2）掌握数据库相似性搜索工具BLAST的基本比对方法，参数设置及结果分析 （3）掌握核酸和蛋白质两序列比对方法、参数设置及结果分析 实验材料： 未知核酸序列；未知氨基酸序列；SOD基因 工具软件： （1）数据库检索工具ENTREZ （2）数据库相似性搜索工具BLAST （https://www.360docs.net/doc/5d8274814.html,/blast） （3）两序列比对工具Align two sequences (bl2seq) 一、利用BLAST中的Special类下的Align two sequences (bl2seq) 比较人与老鼠的SOD 基因蛋白质序列的相似性程度 （1）利用NCBI的ENTREZ检索蛋白质数据库获得人AAB27818.1和老鼠3GTT_E的SOD 基因氨基酸序列或者登录号（SOD分为SOD1或SOD2等，注意检索时选择完全相同的SOD基因）（2）进入NCBI 的BLAST 网页，选择Specialized BLAST下的Align two sequences(bl2seq)程序进行两序列比对 （3）选择blastp子程序，将序列或登录号分别粘贴到序列框中 （4）其他选项采用默认的设置，运行程序 （5）分析结果，并回答以下问题 在NCBI的ENTREZ检索中使用的关键词是什么？