CN108846262A - 基于dft的rna二级结构距离计算构建系统发育树的方法 - Google Patents
基于dft的rna二级结构距离计算构建系统发育树的方法 Download PDFInfo
- Publication number
- CN108846262A CN108846262A CN201810551872.5A CN201810551872A CN108846262A CN 108846262 A CN108846262 A CN 108846262A CN 201810551872 A CN201810551872 A CN 201810551872A CN 108846262 A CN108846262 A CN 108846262A
- Authority
- CN
- China
- Prior art keywords
- secondary structure
- rna
- rna secondary
- sequence
- distance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了基于DFT的RNA二级结构距离计算构建系统发育树的方法。通过将RNA的二级结构中的自由基和配对碱基映射成可视化的坐标系,然后利用DFT在不丢失信息的情况下挖掘RNA二级结构x、y和z轴坐标系隐藏的信息,从而获得RNA二级结构在x、y和z轴序列功率谱,通过分析DFT的功率谱特征,选取合适的提取公式计算RNA二级结构x、y和z轴上的特征值,作为RNA二级结构的特征向量,通过计算不同RNA二级结构特征向量间的距离构建物种系统发育树,研究物种的进化关系。本发明的方法,简化了通过RNA序列比对计算距离构建相似度的复杂度,避免了RNA序列比对算法忽略RNA二级结构的弊端,能够快速准确地根据物种RNA的二级结构计算距离,生成准确的系统发育树。
Description
技术领域
本发明属于系统发育树构建方法,特别涉及基于DFT的RNA二级结构距离计算构建系统发育树的方法。
背景技术
核糖核酸(缩写为RNA,即RibonucleicAcid),近几年,越来越多的研究表明RNA在抵御细菌侵扰和治疗肿瘤方面作用重大,研究RNA分子结构的组成和特点也随之成为了一个热点问题。事实上,RNA的二级结构相比原始序列更加具有保守性,如何计算RNA二级结构间的距离用于RNA二级结构的功能预测变得尤为重要。基于比对计算RNA序列间的距离方法,消耗了大量的计算资源,耗时较长,也得不到比较好的比对结果;同时基于比对计算RNA序列间的距离方法,只考虑了RNA的一级序列顺序结构,忽略了RNA二级结构固有的自身的回折后依据特定碱基配对A-U,C-G,G-U之间的氢键形成稳定的二级结构,计算RNA二级结构间的距离不准确。无需比对计算RNA二级结构在不丢失精度的情况下,能够节约计算资源,降低计算复杂度(算法整体的时间复杂度达到O(n2),其中n为RNA二级结构序列中最长的序列长度),相比基于比对计算RNA序列间的距离方法(时间复杂度达到了O(m*n2),其中m表示基于比对的RNA二级结构序列的数量,n表示所有RNA二级结构序列中最长序列的碱基数目)具有明显的优势。
发明内容
针对上述技术问题,本发明提供基于DFT的RNA二级结构距离计算构建系统发育树的方法。
本发明解决上述技术问题的技术方案如下:
基于DFT的RNA二级结构距离计算构建系统发育树的方法,具体步骤如下:
1)RNA二级结构的映射规则:
用A,G,C,U符号分别表示RNA二级结构中未配对的碱基,用A’,G’,C’和U’分别表示RNA二级结构中的配对碱基,则得到RNA二级结构5’端到3’端的特征序列,通过如下公式(1)将RNA二级结构中的自由基和配对基表示为一个(3×N)的二维矩阵:
式(1)中:
i=1,2,3....N;xi,yi,zi∈[-1,1];
Ai、Ui、Gi、Ci、A'i、U'i、G'i、C'i分别对应表示从上述特征序列中第一个碱基到第i个碱基中A、U、G、C和A’、U’、G’、C’中的碱基数量,N为RNA二级结构的所有碱基数量;
2)RNA二级结构x、y和z轴序列的离散傅里叶变换:
将步骤1)得到的(3×N)的二维矩阵拆分成只包含[x1,x2,x3......xN]的x轴序列Lx(N),只包含[y1,y2,y3......yN]的y轴序列Ly(N),只包含[z1,z2,z3......zN]的z轴序列Lz(N),分别将Lx(N)、Ly(N)和Lz(N)进行DFT变换,对应得到序列Fx(k)、Fy(k)和Fz(k);所述Lx(N)的DFT变换公式如下:
式(2)中,k=0,1,2,...,N-1,N表示RNA二级结构序列的长度;同理Ly(N)和Lz(N)分别进行DFT变换对应得到Fy(k)和Fz(k)序列;Fx(k)在特定的k频率下的DFT功率谱PSx(k)表示如式(3):
PSx(k)=|Fx(k)|2,k=0,1,...,N-1 (3)
同理分别得到Fy(k)和Fz(k)对应的功率谱Psy(k)和PSz(k);
3)提取功率谱的特征值:
根据步骤2)所得的功率谱PSx(k)、Psy(k)和PSz(k),按公式(4)提取RNA二级结构x轴上功率谱的特征值:
同理分别得到y轴和z轴上的特征值;则每一个RNA二级结构表示成唯一的三维向量[Px,Py,Pz]’;
4)物种系统发育树的建立:
具体步骤如下:
4.1)使用欧式距离计算不同物种RNA二级结构间的距离dis(i,j),具体公式如下:
式(5)中,i,j分别表示不同物种,ik和jk表示RNA二级结构的特征向量,用式(5)分别计算出t个物种任意两个物种i和j之间的距离,则得到一个t×t的距离矩阵D;D是一个对角线全部为0的对称矩阵,每一个元素D[i,j]表示了物种i与物种j之间的RNA二级结构的距离;
4.2)将步骤4.1)得到的距离矩阵D导入到分子进化遗传分析软件MEGA6.0中,构建系统发育树。
本发明的有益效果是:无需通过RNA序列比对计算RNA序列间的距离,通过本发明方法的实施,同时可以兼顾RNA序列特征和RNA的二级结构的特征,相比RNA序列比对求解距离的方法来说,节约了计算资源,缩短了计算时间;利用DFT在不丢失信息的情况下挖掘RNA二级结构x、y和z轴坐标系隐藏的信息,从而获得RNA二级结构x、y和z轴序列功率谱,通过分析功率谱的固有特征,提取功率谱的有效特征值作为RNA二级结构的特征值,从而建立物种RNA二级结构间的距离矩阵,根据距离矩阵能够快速且准确生成物种系统发育树,分析物种间的进化关系。
附图说明
图1是CVV-3的部分RNA二级结构的示意图。
图2是用本发明方法对9种RNA病毒的二级结构构造的系统发育树。
图3是用现有技术(参见Li Y,Duan M,Liang Y.Multi-scale RNA comparisonbased on RNA triple vector curve representation[J].BMC Bioinformatics,2012,13(1):1-12.)的方法对9种RNA病毒的二级结构构造的系统发育树。
图4是用现有技术(参见Zhang Y,Huang H,Dong X,et al.A Dynamic 3DGraphical Representation for RNA Structure Analysis and Its Application inNon-Coding RNA Classification[J].Plos One,2016,11(5).)中的方法对9种RNA病毒的二级结构构造的系统发育树。
具体实施方式
基于DFT的RNA二级结构距离计算构建系统发育树的方法,具体步骤如下:
1)RNA二级结构的映射规则:
近年来的研究显示RNA序列是由核苷酸单元{A,G,C,U}组成的一长链,并能通过自身的回折后依据特定碱基配对A-U,C-G,G-U之间的氢键形成稳定的二级结构,分别用A,G,C,U符号表示RNA二级结构中未配对的碱基,分别用A’,G’,C’和U’表示RNA二级结构中的配对碱,则可得到RNA二级结构的特征序列。如图1所示的CVV-3的部分RNA二级结构,将图1中的RNA二级结构从5’端到3’端进行序列化表示的特征序列为:GCC’U’C’C’GAAG’G’A’G’AU。使用如下公式(1)表示RNA二级结构的可视化。
式(1)中,i=1,2,3....N,xi,yi,zi∈[-1,1];
Ai、Ui、Gi、Ci、A'i、U'i、G'i、C'i分别对应表示从上述的RNA二级结构特征序列中第一个碱基到第i个碱基中A,U,G,C和A’,U’,G’,C’中的碱基数量,N为RNA二级结构的所有碱基数量。通过式(1)可以将RNA二级结构中的自由基和配对基表示为一个(3×N)的二维矩阵。
2)RNA二级结构x、y和z轴序列的离散傅里叶变换:
将步骤1)得到的(3×N)的二维矩阵拆分成只包含[x1,x2,x3......xN]的x轴序列Lx(N),只包含[y1,y2,y3......yN]的y轴序列Ly(N),只包含[z1,z2,z3......zN]的z轴序列Lz(N),分别将Lx(N)、Ly(N)和Lz(N)进行DFT变换(离散傅里叶变换,Discrete FourierTransform,缩写为DFT),对应得到序列Fx(k)、Fy(k)和Fz(k)。
上述Lx(N)变换的DFT公式如下:
式(2)中的N表示RNA二级结构序列的长度。
同理分别将Ly(N)和Lz(N)进行DFT变换对应得到Fy(k)和Fz(k)序列。Fx(k)在特定的k频率下的DFT功率谱PSx(k)表示为:
PSx(k)=|Fx(k)|2,k=0,1,...,N-1 (3)
同理分别得到Fy(k)和Fz(k)对应的功率谱Psy(k)和PSz(k)。不同的RNA二级结构序列长度N不相同,生成的DFT功率谱长度也不一样,不能直接根据功率谱计算RNA二级结构之间的距离。
3)提取功率谱的特征值:
RNA二级结构表示的坐标系对应的功率谱表示为[PSx(k)Psy(k)PSz(k)]’,其中0≤k≤(N-1)。综合分析离散傅里叶功率谱的特征,可以得到:在x轴上,PSx(0)值比较大,对应于1~N-1位置的各功率谱值关于轴(N-1)/2对称,因此累加对应于1~(N-1)/2位置上的各功率谱值表示RNA二级结构的特征值,具体公式如下:
同理分别得到y轴和z轴上的特征值Py和Pz。则每一个RNA二级结构表示成唯一的三维向量[Px,Py,Pz]’。
4)物种系统发育树的建立:根据步骤3)得到的RNA二级结构的特征向量可以计算出RNA二级结构间的距离矩阵,构建系统发育树。
具体步骤如下:
4.1)使用欧式距离计算不同物种RNA二级结构间的距离,具体公式如下:
式(5)i,j分别表示不同物种,ik和jk表示RNA二级结构的特征向量;用式(5)计算可以得到t个物种任意两个物种RNA二级结构之间的距离,得到一个t×t的距离矩阵D。D是一个对角线全部为0的对称矩阵,每一个元素D[i,j]表示了物种i与物种j之间的RNA二级结构的距离;距离越小,表明物种i与物种j之间的亲缘关系越紧密,反之亦然。
4.2)将得到的距离矩阵D导入到分子进化遗传分析软件MEGA6.0中,构建UPGMA系统发育树。
按本发明方法选取常用的9种RNA病毒的二级结构(分别是:AIMV-3,CiLRV-3,TSV-3,CVV-3,APMV-3,PDV-3,LRMV-3,EMV-3和AVII),构建的系统发育树,如图2所示。由图2可知,9种病毒中LRMV-3和EMV-3,CiRV-3和EMV-3,APMV-3和AlMV-3是比较相似的,而TSV-3与其他病毒的RNA二级结构的距离较远。这表明TSV-3与其他病毒RNA二级结构之间差异性较为明显。用现有技术(参见Li Y,Duan M,Liang Y.Multi-scale RNA comparison based onRNA triple vector curve representation[J].BMC Bioinformatics,2012,13(1):1-12.)的方法对9种RNA病毒的二级结构构造的系统发育树如图3所示,从图3构建的系统发育树可以看到,LRMV-3和EMV-3的相似性关系上距离较远。用现有技术(参见Zhang Y,HuangH,Dong X,et al.A Dynamic 3D Graphical Representation for RNA StructureAnalysis and Its Application in Non-Coding RNA Classification[J].Plos One,2016,11(5).)中的方法对9种RNA病毒的二级结构构造的系统发育树,如图4所示,图4的系统发育树,无法反映出CVV-3和EMV-3较近的相似性关系。这说明,采用本发明的方法与现有技术的RNA二级结构距离计算方法相比较,本发明的方法能快速获得较准确的物种发育树。
Claims (1)
1.基于DFT的RNA二级结构距离计算构建系统发育树的方法,其特征在于,具体步骤如下:
1)RNA二级结构的映射规则:
用A,G,C,U符号分别表示RNA二级结构中未配对的碱基,用A’,G’,C’和U’分别表示RNA二级结构中的配对碱基,则得到RNA二级结构5’端到3’端的特征序列,通过如下公式(1)将RNA二级结构中的自由基和配对基表示为一个(3×N)的二维矩阵:
式(1)中:
i=1,2,3....N;xi,yi,zi∈[-1,1];
Ai、Ui、Gi、Ci、A'i、U'i、G'i、C'i分别对应表示从上述特征序列中第一个碱基到第i个碱基中A、U、G、C和A’、U’、G’、C’中的碱基数量,N为RNA二级结构的所有碱基数量;
2)RNA二级结构x、y和z轴序列的离散傅里叶变换:
将步骤1)得到的(3×N)的二维矩阵拆分成只包含[x1,x2,x3......xN]的x轴序列Lx(N),只包含[y1,y2,y3......yN]的y轴序列Ly(N),只包含[z1,z2,z3......zN]的z轴序列Lz(N),分别将Lx(N)、Ly(N)和Lz(N)进行DFT变换,对应得到序列Fx(k)、Fy(k)和Fz(k);所述Lx(N)的DFT变换公式如下:
式(2)中,k=0,1,2,...,N-1,N表示RNA二级结构序列的长度;同理Ly(N)和Lz(N)分别进行DFT变换对应得到Fy(k)和Fz(k)序列;Fx(k)在特定的k频率下的DFT功率谱PSx(k)表示如式(3):
PSx(k)=|Fx(k)|2,k=0,1,...,N-1 (3)
同理分别得到Fy(k)和Fz(k)对应的功率谱Psy(k)和PSz(k);
3)提取功率谱的特征值:
根据步骤2)所得的功率谱PSx(k)、Psy(k)和PSz(k),按公式(4)提取RNA二级结构x轴上功率谱的特征值:
同理分别得到y轴和z轴上的特征值;则每一个RNA二级结构表示成唯一的三维向量[Px,Py,Pz]’;
4)物种系统发育树的建立:
具体步骤如下:
4.1)使用欧式距离计算不同物种RNA二级结构间的距离dis(i,j),具体公式如下:
式(5)中,i,j分别表示不同物种,ik和jk表示RNA二级结构的特征向量,用式(5)分别计算出t个物种任意两个物种i和j之间的距离,则得到一个t×t的距离矩阵D;D是一个对角线全部为0的对称矩阵,每一个元素D[i,j]表示了物种i与物种j之间的RNA二级结构的距离;
4.2)将步骤4.1)得到的距离矩阵D导入到分子进化遗传分析软件MEGA6.0中,构建系统发育树。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810551872.5A CN108846262A (zh) | 2018-05-31 | 2018-05-31 | 基于dft的rna二级结构距离计算构建系统发育树的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810551872.5A CN108846262A (zh) | 2018-05-31 | 2018-05-31 | 基于dft的rna二级结构距离计算构建系统发育树的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108846262A true CN108846262A (zh) | 2018-11-20 |
Family
ID=64210389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810551872.5A Pending CN108846262A (zh) | 2018-05-31 | 2018-05-31 | 基于dft的rna二级结构距离计算构建系统发育树的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108846262A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110010194A (zh) * | 2019-04-10 | 2019-07-12 | 浙江科技学院 | 一种rna二级结构的预测方法 |
CN117116361A (zh) * | 2023-10-25 | 2023-11-24 | 江西师范大学 | 一种基于固定框架的12sRNA二级结构可视化方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101497924A (zh) * | 2008-01-30 | 2009-08-05 | 中国农业大学 | 一种基于间隙谱的生物序列分析方法 |
CN101851681A (zh) * | 2010-06-23 | 2010-10-06 | 南京农业大学 | 基于核糖体28S-rRNA对叶螨分属的快速鉴定方法 |
CN105488358A (zh) * | 2015-12-01 | 2016-04-13 | 大连大学 | 基于互相关系数的rna二级结构序列相似性表达方法 |
CN105512512A (zh) * | 2015-11-24 | 2016-04-20 | 潍坊医学院 | 氨基酸距离多态性比较蛋白质序列进行物种分类的方法 |
CN106778078A (zh) * | 2016-12-20 | 2017-05-31 | 福建师范大学 | 基于kendall相关系数的DNA序列相似性比对方法 |
CN106909805A (zh) * | 2017-03-01 | 2017-06-30 | 广西大学 | 基于多条代谢路径比对重建物种系统发生树的方法 |
CN107301327A (zh) * | 2017-05-17 | 2017-10-27 | 华南理工大学 | 一种使用计算机模拟金属配合物与dna相互作用的方法 |
CN107577922A (zh) * | 2017-09-20 | 2018-01-12 | 吉林大学 | 一种基于ARM处理器的玉米lncRNA筛选分类方法 |
-
2018
- 2018-05-31 CN CN201810551872.5A patent/CN108846262A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101497924A (zh) * | 2008-01-30 | 2009-08-05 | 中国农业大学 | 一种基于间隙谱的生物序列分析方法 |
CN101851681A (zh) * | 2010-06-23 | 2010-10-06 | 南京农业大学 | 基于核糖体28S-rRNA对叶螨分属的快速鉴定方法 |
CN105512512A (zh) * | 2015-11-24 | 2016-04-20 | 潍坊医学院 | 氨基酸距离多态性比较蛋白质序列进行物种分类的方法 |
CN105488358A (zh) * | 2015-12-01 | 2016-04-13 | 大连大学 | 基于互相关系数的rna二级结构序列相似性表达方法 |
CN106778078A (zh) * | 2016-12-20 | 2017-05-31 | 福建师范大学 | 基于kendall相关系数的DNA序列相似性比对方法 |
CN106909805A (zh) * | 2017-03-01 | 2017-06-30 | 广西大学 | 基于多条代谢路径比对重建物种系统发生树的方法 |
CN107301327A (zh) * | 2017-05-17 | 2017-10-27 | 华南理工大学 | 一种使用计算机模拟金属配合物与dna相互作用的方法 |
CN107577922A (zh) * | 2017-09-20 | 2018-01-12 | 吉林大学 | 一种基于ARM处理器的玉米lncRNA筛选分类方法 |
Non-Patent Citations (7)
Title |
---|
MILAN RANDIC 等: "Novel spectral representation of RNA secondary structure without loss of information", 《CHEMICAL PHYSICS LETTERS》 * |
昌攀 等: "通过DFT变换提取DNA序列特征聚类物种", 《小型微型计算机系统》 * |
杨卫东 等: "RNA二级结构的2D图形表示及相似性分析", 《世界科技研究与发展》 * |
梁启浩 等: "基于功率谱的流感病毒蛋白质序列结构分析", 《病毒学报》 * |
梁成: "一种新的RNA二级结构可视化表示及其应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王华 等: "基于傅里叶功率谱的H1N1病毒血凝素蛋白质序列的比较分析", 《计算生物学》 * |
陈旭 等: "龙眼miR159家族成员进化特征及时空表达", 《应用与环境生物学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110010194A (zh) * | 2019-04-10 | 2019-07-12 | 浙江科技学院 | 一种rna二级结构的预测方法 |
CN117116361A (zh) * | 2023-10-25 | 2023-11-24 | 江西师范大学 | 一种基于固定框架的12sRNA二级结构可视化方法 |
CN117116361B (zh) * | 2023-10-25 | 2024-01-26 | 江西师范大学 | 一种基于固定框架的12sRNA二级结构可视化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Topological strings and quantum spectral problems | |
Suna et al. | A novel method of 2D graphical representation for proteins and its application | |
CN107038292A (zh) | 一种基于自适应多变量非参数核密度估计的多风电场出力相关性建模方法 | |
He et al. | The graphical representation of protein sequences based on the physicochemical properties and its applications | |
Yu et al. | Analysis of similarities/dissimilarities of DNA sequences based on a novel graphical representation | |
CN108846262A (zh) | 基于dft的rna二级结构距离计算构建系统发育树的方法 | |
Zhao et al. | Empirical likelihood inference for mean functionals with nonignorably missing response data | |
CN110096630A (zh) | 一类基于聚类分析的大数据处理方法 | |
Li | The difficulty of protein structure alignment under the RMSD | |
CN103294647A (zh) | 基于正交张量近邻保持嵌入的头相关传输函数降维方法 | |
Li et al. | An alignment-free algorithm in comparing the similarity of protein sequences based on pseudo-markov transition probabilities among amino acids | |
CN111326215B (zh) | 一种基于k-tuple频度的核酸序列搜索方法及系统 | |
CN104573732B (zh) | 一种目标光谱匹配方法 | |
Li et al. | A novel method of 3D graphical representation and similarity analysis for proteins | |
CN106507952B (zh) | 一种基于圆阵的快速空间谱计算方法 | |
CN102262669B (zh) | 一种从汉语拼音到汉字内码的快速输出方法 | |
CN110634574A (zh) | 一种基于等值排列的心率动态时间不可逆性分析方法 | |
Chrysostomou et al. | Effects of windowing and zero-padding on complex resonant recognition model for protein sequence analysis | |
CN109685400A (zh) | 基于时间积分igd的时滞电力系统稳定性判别方法 | |
Clisby | Endless self-avoiding walks | |
CN109030942B (zh) | 谐相角分析方法 | |
CN103605880A (zh) | 一种精确诊断密集模态阻尼比的方法 | |
CN107957974B (zh) | 一种提取极坐标潮流方程雅可比矩阵的方法 | |
Kim et al. | Semidefinite programming relaxations for sensor network localization | |
CN102467616B (zh) | 一种用后缀数组加速大规模蛋白质鉴定的方法及其系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181120 |