第九届华为杯研究生数学建模 参考论文 A题

第九届研究生数学建模 华为杯 A题 参考论文 基因识别 基因预测

第３４卷第４期２０１２年７月南　京　工　业　大　学　学　报　（自然科学版）

ＪＯＵＲＮＡＬＯＦＮＡＮＪＩＮＧＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｖｏｌ．３４Ｎｏ．４

Ｊｕｌｙ２０１２

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１－７６２７．２０１２．０４．０２７

ＤＮＡ序列信号周期特性

邵建峰１，严晓华１，邵　伟２，刘国庆１

（１．南京工业大学理学院，江苏南京２１０００９；２．南京工业大学电子与信息工程学院，江苏南京２１０００９）

摘　要：在利用离散傅里叶变换（ＤＦＴ）对数值化映射后的基因序列进行频谱分析中，ＤＮＡ序列信号频谱周期性被认为是用来区分编码区和非编码区的一个重要特征。给出推广后的频谱信噪比（ＳＮＲ）定义，该定义具有更广的适用性并且适合快速计算；对不同种类生物基因的编码和非编码区域的信噪比进行计算和统计分析，在此基础对影响信噪比和阈值确定的因素，以及基于周期性的基因识别方法正确率的局上提出３种分类阈值确定方法；限性等也做了较深入的统计分析。

关键词：功率谱；基因编码区序列（外显子）；；信噪比；分类阈值

中图分类号：Ｑ８１１４　　　文献标志码：Ａ　　　文章编号：１６７１－７６２７（２０１２）０４－０１３３－０５

３ｐｅｒｉｏｄｉｃｉｔｙｏｆＤＮＡｓｅｑｕｅｎｃｅｓｉｇｎａｌｓ

１１２１

ＳＨＡＯＪｉａｎｆｅｎｇ，ＹＡＮＸｉａｏｈｕａ，ＳＨＡＯＷｅｉ，ＬＩＵＧｕｏｑｉｎｇ

（１．ＣｏｌｌｅｇｅｏｆＳｃｉｅｎｃｅ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１０００９，Ｃｈｉｎａ；

２．ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１０００９，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｔｈｅ３ｐｅｒｉｏｄｉｃｉｔｙｏｂｔａｉｎｅｄｂｙｄｉｒｅｃｔＦｏｕｒｉｅｒｔｒａｎｓｆｏｒｍ（ＤＦＴ）ｉｓｗｅｌｌａｃｋｎｏｗｌｅｄｇｅｄａｓａｎｉｍｐｏｒｔａｎｔｆｅａｔｕｒｅｔｈａｔｃａｎｂｅｕｓｅｄｆｏｒｄｉｓｔｉｎｇｕｉｓｈｉｎｇｇｅｎｅｃｏｄｉｎｇｒｅｇｉｏｎｓｏｆａＤＮＡｓｅｑｕｅｎｃｅ．Ａｎｅｘｔｅｎｄｅｄｄｅｆｉｎｉｔｉｏｎｏｆｓｉｇｎａｌｔｏｎｏｉｓｅｒａｔｉｏ（ＳＮＲ）ｗａｓｐｒｅｓｅｎｔｅｄ．Ｔｈｅｓｔａｔｉｓｔｉｃａｌａｎａｌｙｓｉｓｏｆｃｏｄｉｎｇ／ｎｏｎｃｏｄｉｎｇｒｅｇｉｏｎｓｏｆｇｅｎｅｓｆｒｏｍｄｉｆｆｅｒｅｎｔｓｐｅｃｉｅｓｗａｓｃａｒｒｉｅｄｏｕｔａｎｄｔｈｒｅｅｍｅｔｈｏｄｓｆｏｒｄｅｔｅｒｍｉｎｉｎｇｔｈｅｃｌａｓｉｆｉｃａｔｉｏｎｔｈｒｅｓｈｏｌｄｖａｌｕｅｗｅｒｅｐｒｏｐｏｓｅｄ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｔｈｅｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓｏｆＳＮＲａｎｄｔｈｅｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｔｈｒｅｓｈｏｌｄｖａｌｕｅ，ａｎｄｔｈｅｌｉｍｉｔａｔｉｏｎｓｏｆｇｅｎｅｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｔｈｅ３ｂａｓｅｐｅｒｉｏｄｉｃｉｔｙａｒｅａｎａｌｙｚｅｄ．Ｋｅｙｗｏｒｄｓ：ｐｏｗｅｒｓｐｅｃｔｒｕｍ；ｇｅｎｅｃｏｄｉｎｇｓｅｑｕｅｎｃｅｓ（ｅｘｏｎｓ）；３ｐｅｒｉｏｄｉｃｉｔｙ；ｓｉｇｎａｌｔｏｎｏｉｓｅｒａｔｉｏ；ｃｌａｓｓｉｆｉｃａｔｉｏｎｔｈｒｅｓｈｏｌｄ

　　基因就是一段包含遗传信息的脱氧核糖核酸（ＤＮＡ）序列，由腺嘌呤（Ａ）、胸腺嘧啶（Ｔ）、鸟嘌呤（Ｇ）和胞嘧啶（Ｃ）４种核苷酸构成。它通过遗传编码来储存信息，指导蛋白质的合成，通过把遗传信息准确无误地传递到蛋白质上并实现各种生命功能。

在真核基因中，蛋白质的编码序列被划分为许多间隔的片段（图１），其中编码蛋白质的部分称为外显子，不编码的部分称为内含子。外显子在剪接

收稿日期：２０１１－０８－２１

作者简介：邵建峰（１９６２—），男，江苏兴化人，副教授，主要研究方向为运筹优化及生物信息，Ｅｍａｉｌ：ｓｈａｏｊｉａｎｆ＠１６３．ｃｏｍ．

后仍会被保存下来，并可在蛋白质合成中被转录、合

１］

成为蛋白质［。

随着人类基因组计划的实施和顺利完成，基因预测成为生物信息学中最基础，也是最首要的问题。本文对基因预测中，基于ＤＮＡ序列信号周期特ＳＮＲ）概念和快速算法，以及利用周期性的信噪比（

信号去判断基因编码序列的分类阈值的确定方法进行深入的探讨。