对基因组内不同序列分布差异进行量化的探讨-中国卫生统计.PDFVIP

·５５４· 中国卫生统计２０１４年８月第３１卷第４期 对基因组内不同序列分布差异进行量化的探讨△ １ １，２ １， 李　治　崔跃华 　张岩波 △ 　　【提　要】　目的　针对ＤＮＡ词频分析中序列分布问题，探讨对基因组内不同序列的分布差异进行量化的可行性。 方法　该研究采用数值模拟的方法对 Ｋｏｌｍｏｇｏｒｏｖ－Ｓｍｉｒｎｏｖ检验的统计量和累积概率曲线下图形的图心进行了比较。 结果　随着样本含量的增加，两个指标的离散趋势逐渐减小，但其集中趋势并没有受到明显影响，且不同的分布集中于不 同的位置；当样本含量为１００时，所能判别的最小统计量差异约为０１，图心差异约为００２；使用统计量指标时，需采用两 个基准分布才能将５个待测分布分开，而图心指标可以直接将５个待测分布分开。结论　两个指标都可以看作分布差异 的量化指标，但在大多数情况下样本含量应该大于１００；当需要在同一坐标系表示不同分布时，图心可能是一个较好的选 择。 【关键词】　基因组序列　分布差异　Ｋｏｌｍｏｇｏｒｏｖ－Ｓｍｉｒｎｏｖ检验　图心　数值模拟 ＱｕａｎｔｉｆｉｃａｔｉｏｎｏｆｔｈｅＤｉｆｆｅｒｅｎｃｅｓｂｅｔｗｅｅｎｔｈｅＤｉｓｔｒｉｂｕｔｉｏｎｓｏｆｔｈｅＳｅｑｕｅｎｃｅｓｉｎ ａＧｅｎｏｍｅ ＬｉＺｈｉ，ＣｕｉＹｕｅｈｕａ，ＺｈａｎｇＹａｎｂｏ（ＳｃｈｏｏｌｏｆＰｕｂｌｉｃＨｅａｌｔｈ，ＳｈａｎｘｉＭｅｄｉｃａｌＵｎｉｖｅｒｓｉｔｙ（０３０００１），Ｔａｉｙｕａｎ） 【Ａｂｓｔｒａｃｔ】　Ｏｂｊｅｃｔｉｖｅ　ＩｎｖｉｅｗｏｆｔｈｅＤＮＡｓｅｑｕｅｎｃｅｄｉｓｔｒｉｂｕｔｉｏｎｐｒｏｂｌｅｍｉｎｔｈｅｗｏｒｄｆｒｅｑｕｅｎｃｙａｎａｌｙｓｉｓ，ｔｏｄｉｓｃｕｓｓｔｈｅ ｆｅａｓｉｂｉｌｉｔｙｔｈａｔｔｏｑｕａｎｔｉｆｙｔｈｅｄｉｆｆｅｒｅｎｃｅｓｉｎｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｓｏｆｔｈｅｓｅｑｕｅｎｃｅｓｉｎｇｅｎｏｍｅ．Ｍｅｔｈｏｄｓ　Ｔｈｅｎｕｍｅｒｉｃａｌｓｉｍｕｌａｔｉｏｎ ｗａｓｕｓｅｄｔｏｃｏｍｐａｒｅｔｗｏｉｎｄｅｘｅｓ，ｔｈｅｓｔａｔｉｓｔｉｃｏｆＫｏｌｍｏｇｏｒｏｖ－Ｓｍｉｒｎｏｖｔｅｓｔａｎｄｔｈｅｃｅｎｔｒｏｉｄｏｆｔｈｅｆｉｇｕｒｅｕｎｄｅｒｔｈｅｃｕｍｕｌａｔｉｖｅ ｐｒｏｂａｂｉｌｉｔｙｃｕｒｖｅｓ．Ｒｅｓｕｌｔｓ　Ｗｉｔｈｔｈｅｉｎｃｒｅａｓｅｏｆｔｈｅｓａｍｐｌｅｓｉｚｅ，ｔｈｅｄｉｓｃｒｅｔｅｔｒｅｎｄｏｆｔｗｏｉｎｄｅｘｅｓｗａｓｇｒａｄｕａｌｌｙｒｅｄｕｃｅｄ，ｂｕｔ ｔｈｅｉｒｃｅｎｔｒａｌｔｅｎｄｅｎｃｙｗａｓｎｏｔａｆｆｅｃｔｅｄｏｂｖｉｏｕｓｌｙ，ａｎｄｔｈｅｄｉｆｆｅｒｅｎｔｄｉｓｔｒｉｂｕｔｉｏｎｓｃｏｎｃｅｎｔｒａｔｅｄａｔｔｈｅｄｉｆｆｅｒｅｎｔｌｏｃａｔｉｏｎｓ；Ｗｈｅｎｔｈｅ ｓａｍｐｌｅｓｉｚｅｗａｓｅｑｕａｌｔｏ１００，ｔｈｅｄｉｓｃｒｉｍｉｎａｔｉｎｇｍｉｎｉｍｕｍｄｉｆｆｅｒｅｎｃｅｏｆｓｔａｔｉｓｔｉｃｓｗａｓａｂｏｕｔ０１，ｔｈｅｄｉｆｆｅｒｅｎｃｅｏｆｃｅｎｔｒｏｉｄｓｗａｓ ａｂｏｕｔ００２；Ｗｈｅｎｓｔａｔｉｓｔｉｃｓｗｅｒｅａｄｏｐｔｅｄ，ｔｗｏｒｅｆｅｒｅｎｃｅｄｉｓｔｒｉｂｕｔｉｏｎｓｈａｄｔｏｂｅｕｓｅｄｔｏｓｅｐａｒａｔｅｆｉｖｅｄｉｓｔｒｉｂｕｔｉｏｎｓ，ｂｕｔｃｅｎｔｒｏｉｄｓ ｃａｎｓｅｐａｒａｔｅｆｉｖｅｄｉｓｔｒｉｂｕｔｉｏｎｓｄｉｒｅｃｔｌｙ．Ｃｏｎｃｌｕｓｉｏｎ　Ｂｏｔｈｏｆｔｗｏｉｎｄｅｘｅｓｃａｎｂｅｓｅｅｎａｓｑｕａｎｔｉｔａｔｉｖｅｉｎｄｉｃａｔｏｒｓｏｆｔｈｅｄｉｆｆｅｒｅｎｃｅｓ ｏｆｄｉｓｔｒｉｂｕｔｉｏｎｓ，ｂｕｔｉｎｍｏｓｔｃａｓｅｓ，ｔｈｅｓａｍｐｌｅｓｉｚｅｓｈｏｕｌｄｂｅｇｒｅａｔｅｒｔｈａｎ１００；Ｔｈｅｃｅｎｔｒｏｉｄｉｓｐｏｓｓｉｂｌｅａｂｅｔｔｅｒｃｈｏｉｃｅ，ｗｈｅｎ ｓｏｍｅｄｉｆｆｅｒｅｎｔｄｉｓｔｒｉｂｕｔｉｏｎｓａｒｅｍａｒｋｅｄｉｎｔｈｅｓａｍｅｃｏｏｒｄｉｎａｔｅｓｙｓｔｅｍ． 【Ｋｅｙｗｏｒｄｓ】　Ｓｅｑｕｅｎｃｅｓｉｎｇｅｎｏｍｅ；Ｄｉｆｆｅｒｅｎｃｅｓｏｆｄｉｓｔｒｉｂｕｔｉｏｎｓ；ＫｏｌｍｏｇｏｒｏｖＳｍｉｒｎｏｖｔｅ