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 |
---|---|---|
Bern et al. | Generalized unitarity and six-dimensional helicity | |
Huang et al. | Topological strings and quantum spectral problems | |
Suna et al. | A novel method of 2D graphical representation for proteins and its application | |
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 | |
Li | The difficulty of protein structure alignment under the RMSD | |
CN104469374A (zh) | 图像压缩方法 | |
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 | |
CN111326215B (zh) | 一种基于k-tuple频度的核酸序列搜索方法及系统 | |
CN110634574B (zh) | 一种基于等值排列的心率动态时间不可逆性分析方法 | |
CN104573732B (zh) | 一种目标光谱匹配方法 | |
CN105429138B (zh) | 基于小波变换的同调机群识别方法及装置 | |
Qu et al. | Alternating segment explicit-implicit scheme for nonlinear third-order KdV equation | |
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 | |
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 | |
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 | |
CN106529212B (zh) | 基于序列依赖频率矩阵的生物序列进化信息提取方法 | |
Cui et al. | Individual retrieval based on oral cavity point cloud data and correntropy‐based registration algorithm | |
Sun et al. | Modelling Principles of Grey Matrix Incidence Analysis for Panel Data. |
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 |