微生物種群DNA測(cè)序分析與分類.pdf

1、生物信息學(xué)是最近幾年興起并得到快速發(fā)展的交叉學(xué)科，它是在生物分子（DNA和蛋白質(zhì)）數(shù)據(jù)海量涌現(xiàn)的情況下采用傳統(tǒng)的生物學(xué)方法無(wú)法處理的背景下產(chǎn)生的。生物信息學(xué)綜合運(yùn)用數(shù)學(xué)、計(jì)算機(jī)科學(xué)和生物學(xué)的各種工具，包括了生物信息的獲取、處理、存儲(chǔ)、分發(fā)、分析和解釋等在內(nèi)的所有方面,闡明和理解大量數(shù)據(jù)所包含的生物學(xué)意義，對(duì)生物學(xué)的發(fā)展起到了良好的促進(jìn)作用。 微生物種群測(cè)序技術(shù)是近年來(lái)發(fā)展很快的研究領(lǐng)域。研究人員提取環(huán)境（海洋、地下水）中的微生物

2、種群樣本，通過(guò)DNA序列分析工具對(duì)微生物的基因組進(jìn)行分析，已經(jīng)發(fā)現(xiàn)了許多基因，通過(guò)研究這些基因相互之間的作用以及對(duì)環(huán)境的影響，必將對(duì)環(huán)境治理和生態(tài)系統(tǒng)的研究具有十分重要的意義。 由于微生物種群測(cè)序與傳統(tǒng)的生物測(cè)序有著較大不同，因此傳統(tǒng)的測(cè)序方法無(wú)法解決微生物種群測(cè)序中的問(wèn)題。傳統(tǒng)的生物測(cè)序中，由于僅對(duì)一個(gè)生物測(cè)序并需要很高的測(cè)序精度，因此覆蓋率較高，通常為8-10。而在微生物種群測(cè)序中，由于物種繁多，測(cè)序成本高，不可能對(duì)所有生物

3、全部完全測(cè)序，因此拼接出來(lái)的contig互相之間并不重疊，但是將屬于同一物種的contig聚為一類具有很強(qiáng)的生物學(xué)意義。由于DNA序列可以看成是由四個(gè)字母組成的文本，因此很多字符串和文本處理的技術(shù)被引入到DNA序列分析中。目前有很多特征提取方法，但大部分是基于詞頻率向量的，我們結(jié)合微生物種群測(cè)序這個(gè)具體課題，選擇基于信息論的相對(duì)熵作為兩個(gè)DNA序列關(guān)系的一種度量。BP神經(jīng)網(wǎng)絡(luò)是一種多層誤差反傳神經(jīng)網(wǎng)絡(luò)，它在模式分類領(lǐng)域有著廣泛的應(yīng)用。