DNA 序列分类模型模糊聚类.pdfVIP

安徽农业大学学报，2005 ，32 （3 ）：393 ～ 396 Journal of Anhui Agricultural University DNA 序列分类模型① 刘 丽 （合肥工业大学理学院，合肥230009 ） 摘 要：通过研究DNA 序列链之间的关联程度，构造出模糊矩阵。再利用模糊聚类方法进行聚类。运行该 模型时，只要输入几个待定参数及阈值 就可以将含有很多DNA 序列链的集合进行分类。 λ 关键词： DNA 序列；截矩阵；模糊聚类 λ 中图分类号：O29 文献标识码：A 文章编号：1672-352X（2005 ）03-0393-04 2000 年6 月人类基因组计划中DNA 全序列草图完成，200 1 年2 月绘制了精确的全序列图，标志着生 命科学“登月计划”又向前迈出一步，从此人类拥有了一部记录着自身生老病死及遗传进化全部信息的 ［1，2 ］ “天书” 。DNA 作为一种遗传物质，早已在50 多年前就被发现。它是由4 种碱基：腺嘌呤（A ）、胞嘧呤 （C ）、鸟嘌呤（G ）及胸腺嘧呤（T ）按一定顺序排成的长约30 亿的序列，这其中既没有断句，也没有标点符 号。人们对DNA 的研究表明，A 和T 、G 和C 是2 对互补碱基，相互配对，构成了DNA 的双螺旋体结构，另 外人们通过对这种双螺旋体的直径测定证明了A 和T 、G 和C 之间分别通过2 个氢键和3 个氢键配对相 连。但是人们对DNA 序列的结构以及其中隐藏着什么规律却知之甚少，作为研究DNA 序列结构的尝试， 提出以下DNA 序列的分类问题：（1 ）现有20 个已知类别的人造DNA 序列，其中第1 ～ 10 序列为A 类，第 11 ～ 20 序列为B 类，现要求从中提取特征，构造分类方法，并用构造的方法对另外第21 ～ 40 个未标明类 别的人工序列进行分类，并写出结果。（2 ）用构造的分类方法来给部分天然DNA 序列进行分类，给出分 类结果。 1 模型假设［3 ～ 5 ］ （1 ）假设给出的人造DNA 序列片断均能充分反映该DNA 序列的全部特征； （2 ）所研究的这些DNA 序列都是稳定的，至于在极少数情况下发生的DNA 变异不予考虑； （3 ）无论从DNA 序列链的左边还是从右边为起点进行比较，对研究结果影响较小，可忽略不计，这里 假定从DNA 序列链的左边为起点进行比较。 表 1 DNAi 和DNAj 对应元素的待定关联系数 Table 1 The undetermined relation coefficients between those correspondence elements of DNAi and DNAj 碱基Base A G T C A 1 k1 k3 0 G k1 1 0 k4 T k3 0 1 k2 C 0 k4 k2 1 0 k1 、k2 、k3 、k4 1 （4 ）若2 个DNA 序列进行比较时对应元素完全相同，则认为它们之间的相关程度最大，其关联系数 为1。嘌呤和嘌呤之间关联系数为k1 ，嘧啶和嘧啶之间的关联系数为k2 ，通过2 个氢键结合的碱基A 和T 间的关联系数为k3 ，通过3 个氢键结合的碱基C 和G