基于DNA序列K-tuple分布的一种非序列比对分析

doi:10.3724/SP.J.1005.2010.00606

遗传 ›› 2010, Vol. 32 ›› Issue (6): 606-612.doi: 10.3724/SP.J.1005.2010.00606

基于DNA序列K-tuple分布的一种非序列比对分析

沈娟¹, 吴文武², 解小莉¹, 郭满才¹, 袁志发¹

1. 西北农林科技大学理学院, 杨凌 712100;
2. 西北农林科技大学生命科学学院, 杨凌 712100

收稿日期:2009-09-15 修回日期:2009-12-02 出版日期:2010-06-20 发布日期:2010-05-24
通讯作者: 袁志发 E-mail:zhifayuan@nwsuaf.edu.cn
基金资助:
回国人员科研启动项目(编号：Z111020834)资助

A new alignment-free sequence analysis based on the distribution of K-tuple

SHEN Juan¹, WU Wen-Wu², XIE Xiao-Li¹, GUO Man-Cai¹, YUAN Zhi-Fa¹

1. College of Science, Northwest A&F University, Yangling 712100, China;
2. College of Life Science, Northwest A&F University, Yangling 712100, China

Received:2009-09-15 Revised:2009-12-02 Online:2010-06-20 Published:2010-05-24
Contact: yuan zhifa E-mail:zhifayuan@nwsuaf.edu.cn

摘要/Abstract

摘要：

文章在基因组K-tuple分布的基础上, 给出了一种推测生物序列差异大小的非序列比对方法。该方法可用于衡量真实DNA序列和随机重排序列在K-tuple分布上的差异。将此方法用于构建含有26种胎盘哺乳动物线粒体全基因组的系统树时, 随着K的增大, 系统树的分类效果与生物学一致公认的结果愈加匹配。结果表明, 用此方法构建的系统进化树比用其他非序列比对分析方法构建的更加合理。

关键词: K-tuple, 非序列比对, DNA序列, 线粒体全基因组, 系统树

Abstract:

Based on the distribution of K-tuple in complete genome, a method without doing sequence alignment to infer difference of biological sequence is proposed in this paper. The method can be used to measure the difference of distribution on K-tuple between the native DNA sequences and the corresponding randomized ones. Applied to construct phylogenetic trees of the complete mitochondrial genomes of 26 species of placental mammals, with K increasing, it yields phylogenetic trees of which the classification effect increasingly matches the result widely recognised by the biological field. The final results show that the phylogenetic trees built by this method is more reasonable than by other alignment-free sequence methods.

Key words: K-tuple, alignment-free sequence, DNA sequences, complete mitochondrial genomes, phylogenetic tree

沈娟，吴文武，解小莉，郭满才，袁志发. 基于DNA序列K-tuple分布的一种非序列比对分析[J]. 遗传, 2010, 32(6): 606-612.

CHEN Juan, TUN Wen-Wu, JIE Xiao-Chi, GUO Man-Cai, YUAN Zhi-Fa. A new alignment-free sequence analysis based on the distribution of K-tuple[J]. HEREDITAS, 2010, 32(6): 606-612.

参考文献

[1] Qi J, Wang B, Hao BL. Whole proteome prokaryote phy-logeny without sequence alignment: A K-string composi-tion approach. J Mol Evol, 2004, 58(1): 1-11.

[2] Yu ZG, Jiang P. Distance, correlation and mutual informa-tion among portraits of organisms based on complete ge-nomes. Physics Lett A, 2001, 286(1): 34-46.

[3] 罗辽复, 纪丰民, 谢立青, 李弘谦. 以核苷酸短程关联为基础的进化树重建. 内蒙古大学学报(自然科学版), 2001, 32(1): 32-41.

[4] Wu TJ, BurKe JP, Davison DB. A measure of DNA se-quence dissimilarity based on Mahalanobis distance be-tween frequencies of words. Biometrics, 1997, 53(4): 1431-1439.

[5] Kull B, Leibler RA. On information and sufficiency. Ann Math Statist, 1951, 22(1): 79-86.

[6] 沈世镒, 陈鲁生. 信息论与编码理论. 北京: 北京科学出版社, 2002, 31-36.

[7] 刘军, 许甫荣. 基于相对熵原理构建生物进化系统树. 北京大学学报(自然科学版), 2003, 39(增刊): 76-80.

[8] Stormo GD. DNA binding sites: Representation and dis-covery. Bioinformatics, 2000, 16(1): 16-23.

[9] Li M, Badger JH, Chen X, Kwong S, Kearney P, Zhang HY. An information-based sequence distance and its ap-plication to whole mitochondrial genome phylogeny. Bioinformatics, 2001, 17(2): 149-154.

[10] 傅强, 钱敏平, 陈良标, 朱玉贤. 编码序列和非编码序列的3-tuple分布特征. 遗传学报, 2005, 32(10): 1018-1026.

[11] 李蒨, 李逢博, 王炜. 蛋白质序列复杂性简化与非比对序列分析. 生物化学与生物物理进展, 2006, 33(12): 1215-1222.

[12] Xie HM, Hao BL. Visualiztion of K-tuple distribution in pro-caryote complete genomes and their randomized counterparts. Proc IEEE Comput Soc Bioinform Conf, 2002, 1: 31-42.

[13] Hao BL, Xie HM, Yu ZG, Chen GY. Avoided string in bacterial complete genomes and a related combinatorial problem. Ann Combinatorics, 2000, 4(3-4): 247-255.

[14] 罗辽复. 生命进化的物理观. 上海: 上海科学技术出版社, 2000. 168-200.

[15] 贾晓超, 李培芳, 罗辽复. 基因组中“K字”频数的分布. 内蒙古大学学报(自然科学版), 2005, 36(3): 301-395.

[16] 罗辽复. DNA信息内容的普适关系. 合肥学院学报(自然科学版), 2005, 15(1): 1-6.

[17] Wu CF. The distribution of the frequency of occurrence of nucleotide subsequences. Methodol Comput Appl Probabil, 2005, 7: 325-334.

[18] Cao Y, Janke A, Waddell PJ, Westerman M, Takenaka O, Murata S, Okada N, Pääbo S, Hasegawa M. Conflict among individual mitochondrial proteins in resolving the phylogeny of Eutherian orders. J Mol Evol, 1998, 47(3): 307-322.

[19] Reyes A, Gissi C, Pesole G, Catzeflis FM, Saccone C. Where do rodents fit? Evidence from the complete mito-chondrial genome of Sciurus vulgaris. Mol Biol Evol, 2000, 17(6): 979-983.

[20] Li B, Li YB, He HB. LZ complexity distance of DNA se-quences and its application in phylogenetic tree reconstruction. Genomics Proteomics Bioinformatics, 2005, 3(4): 206-212.

[21] 李斌, 李义兵, 何红波. 符号序列间的LZ复杂性距离及其应用. 小型微型计算机系统, 2007, 28(5): 850-854.

编辑推荐

Metrics

www.chinagene.cn
备案号：京ICP备09063187号-4
总访问:,今日访问:,当前在线:

基于DNA序列K-tuple分布的一种非序列比对分析

A new alignment-free sequence analysis based on the distribution of K-tuple

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	刘改改,李爽,韦余达,张永贤,丁秋蓉. 利用CRISPR/Cas9技术对人多能干细胞进行高效基因组编辑[J]. 遗传, 2015, 37(11): 1167-1173.
[2]	秦丹徐存拴. 非编码DNA序列的功能及其鉴定[J]. 遗传, 2013, 35(11): 1253-1264.
[3]	廖芳，刘勇，杨秀丽，黄国明，牛春敬. 基于Adh1基因分析高粱属的系统进化关系[J]. 遗传, 2009, 31(5): 523-523―530.
[4]	赫崇波，宋文涛，高祥刚，刘卫东. 双壳贝类线粒体基因组结构的比较[J]. 遗传, 2009, 31(11): 1127-1134.
[5]	冯明亮，黄慧，沈彤，张晰，印彪，杨建豪，刘达庄. 利用HPA-1~3, 5和15系统多态性估算中外不同人群遗传距离[J]. 遗传, 2008, 30(7): 838-842.
[6]	郭奕斌，杜传书. 中国广东Hunter综合征患者的T1140C新突变[J]. 遗传, 2006, 28(5): 521-524.
[7]	黄健华，苗雪霞，李木旺，张，勇，赵卫国，黄勇平. 家蚕基因特异性CAPs标记获得及其分子系统学应用[J]. 遗传, 2005, 27(4): 584-588.
[8]	钱君，程在全，杨明挚，刘继梅，吴成军，黄兴奇. 云南野生稻中Xa21基因外显子II的分离及序列分析[J]. 遗传, 2005, 27(3): 382-386.
[9]	郭新红，刘少军，颜金鹏，刘筠. 异源四倍体鲫鲤、三倍体湘云鲫和它们父母本线粒体DNA 12S rRNA基因遗传变异的分析[J]. 遗传, 2004, 26(6): 875-880.
[10]	李涛，赖旭龙，钟扬. 利用DNA序列构建系统树的方法介绍[J]. 遗传, 2004, 26(2): 205-210.
[11]	谈建中，楼程富，张国英，孙丙耀，平野久. 蚕豆豆类胰岛素基因的cDNA克隆及序列分析[J]. 遗传, 2003, 25(2): 168-172.
[12]	赵庆新，谭远德. 利用肠道菌群的分布和16S DNA序列研究鲤科肠道菌系统演化关系[J]. 遗传, 2002, 24(4): 447-104.
[13]	杜占文，刘立仁，张俊武. 用RACE结合cDNA文库筛选的方法获取新的锌指蛋白基因[J]. 遗传, 2002, 24(3): 329-331.
[14]	胡楷，吴庆书. 单细胞生物进化研究的进步[J]. 遗传, 2002, 24(1): 104-110.
[15]	张闻，明洪，龙莉，陈元晓. HIV-1融膜肽的编码DNA序列比较[J]. 遗传, 2001, 23(6): 511-466.