×
李，春;Yang，Yan（杨燕）;贾美多;张莹莹;于晓青;王长忠

基于k字和粗糙集理论的DNA序列系统发育分析。 （英语） Zbl 1395.92100号

生理学A 398162-171（2014）.
摘要：在无对齐的序列比较方法中，（k）-单词频率模型是一个发展得很好的模型。然而，大多数现有的基于单词的方法忽略了（k）-单词频率之间的关系，而其他一些方法只关注（k）单词的相关性，而忽略了单词频率本身。本文提出了一种新的（k）字方法，成功地解决了这两个问题。通过DNA序列的特征序列，我们构建了一个（3×2^k）维完整的基于单词的向量。然后，我们提出了一种基于粗糙集理论（RST）的特征选择方案，以提取信息量最大的单词，并仅使用这些选择的特征来表示DNA序列。为了评估我们的方法的有效性，我们在三个数据集上通过系统发育分析进行了测试。第一个被用作训练集，通过该训练集选择了869个排名靠前的单词。其他两个用作测试集。结果表明，该方法能够捕获更重要的信息，对分子系统发育分析更有效。

引用于三文件

MSC公司：

92D15型 与进化有关的问题
92D20型 蛋白质序列，DNA序列

关键词：

DNA;特征选择;\（k\）-单词;系统发育分析;粗糙集理论

软件：

DV-曲线
PDF格式BibTeX公司 XML格式引用
\textit｛C.Li｝等人，Physica A 398，162–171（2014；兹bl 1395.92100）
全文： 内政部

参考文献：

[1] Otu，H.H。；Sayood，K.，用于构建系统发育树的新序列距离度量，生物信息学，192122-2130，（2003）
[2] Jeffrey，H.J.，基因结构的混沌博弈表示，核酸研究，18，2163-2170，（1990）
[3] Nandy，A.，长DNA序列的图形表示，Curr。科学。，66, 821, (1994)
[4] 南迪，A。；Basak，S.C.，基于DNA序列的图形表示和数字表征的药物与DNA相互作用的新方法，Curr。计算。辅助药物设计。，6, 283-289, (2010)
[5] Ghosh，A。；Nandy，A.，蛋白质序列的图形表示和数学表征及其在病毒蛋白质中的应用，高级蛋白质化学。结构。生物学，83，1-42，（2011）
[6] 张，R。；Zhang，C.T.，“（Z）曲线，可视化和分析DNA序列的直观工具”，J.Biomol。结构。动态。，11, 767-782, (1994)
[7] Zhang，C.T。；Wang，J.，酵母基因组中蛋白质编码基因的识别优于95
[8] Randić，M。；弗拉契科，M。；南迪，A。；Basak，S.C.，《DNA初级序列的三维图形表示及其数值表征》，J.Chem。Inf.计算。科学。，401235-1244，（2000年）
[9] Randić，M。；弗拉契科，M。；莱什，N。；Plavsić，D.，DNA序列的新型二维图形表示及其数值表征，化学。物理学。莱特。，368, 1-6, (2003)
[10] Randić，M。；Balaban，A.T.，《关于DNA初级序列的四维表示》，J.Chem。Inf.计算。科学，43，532-539，（2003）
[11] Randić，M。；诺维克，M。；Plavsić，D.，《图形生物信息学里程碑》，国际量子化学杂志。，113, 2413-2446, (2013)
[12] Randić，M。；Zupan，J。；Balaban，A.T。；Vikic-Topic，D。；Plavsić，D.，蛋白质的图解表示，化学。版本111，790-862，（2011）
[13] Yau，S.T。；Wang，J.S。；Niknejad，A。；吕春霞。；Jin，N。；Ho，Y.K.，无简并的DNA序列表示，核酸研究，313078-3080，（2003）
[14] 邓，M。；Yu，C.L。；梁，Q。；He，R.L。；Yau，S.T.，《表征遗传序列的新方法：具有生物距离的基因组空间及其应用》，《公共科学图书馆·综合》，6，3，e17293，（2011）
[15] Zhang，Y.S。；Tan，M.S.，基于3DD曲线的DNA序列可视化，J.Math。化学。，44, 206-216, (2008) ·Zbl 1145.92318号
[16] Zhang，Z.J.，DVcurve:一种新的直观工具，用于可视化和分析DNA序列，生物信息学，251112-1117，（2009）
[17] Liao，B。；Liao，B.Y。；卢，X.G。；Cao，Z.，蛋白质序列的新型图形表示及其应用，J.Compute。化学。，32, 2539-2544, (2011)
[18] 谢国顺。；Mo，Z.X.，基于DNA的分类及其应用的DNA一级序列的三种3D图形表示，J.Theoret。生物学，269123-130，（2011）·Zbl 1307.92311号
[19] 李，C。；Tang，N。；Wang，J.，DNA序列的有向图及其数值表征，J.Theoret。《生物学》，241，173-177，（2006）·Zbl 1447.92306号
[20] 李，C。；于小强。；Yang，L。；郑晓强。；Wang，Z.F.，蛋白质序列的三维图和耦合数，Physica A，3881967-1972，（2009）
[21] Qi，Z.H。；李，L。；Qi，X.Q.，《使用哈夫曼编码方法可视化和分析DNA序列》，J.Compute。化学。，32, 3233-3240, (2011)
[22] Randic，M。；Novic，M。；弗拉科，M。；Plavsic，D.，使用部分排序研究蛋白质组图谱，J.Theoret。生物学，266，21-28，（2010）·Zbl 1407.92049号
[23] Randic，M.，《核苷酸比对的高效搜索》，J.Compute。化学。，34, 77-82, (2013)
[24] 何，P.A。；Wang，J.，DNA一级序列的特征序列，J.Chem。Inf.计算。科学。，42, 1008-1085, (2002)
[25] Lempel，A。；Ziv，J.，《有限序列的复杂性》，IEEE Trans。通知。理论，22，75-81，（1976）·Zbl 0337.94013号
[26] Burrows，M。；Wheeler，D.J.，一种块分类无损数据压缩算法，SRC研究报告，124，（1994）
[27] Mantaci，S。；Restivo，A。；Sciortino，M.，Burrows-Wheeler变换和Sturmian单词，Inform。过程。莱特。，86, 241-246, (2003) ·Zbl 1162.68511号
[28] Mantaci，S。；Restivo，A。；Rosone，G。；Sciortino，M.，Burrows-Wheeler变换的扩展，定理。计算。科学。，387, 298-312, (2007) ·Zbl 1144.68024号
[29] Mantaci，S。；Restivo，A。；Sciortino，M.，《生物序列的距离度量：一些最新方法》，《国际期刊近似原因》。，47, 109-124, (2008) ·Zbl 1183.92035号
[30] Mantaci，S。；Restivo，A。；Rosone，G.公司。；Sciortino，M.，《序列比较的新组合方法》，理论计算。系统。，42, 411-429, (2008) ·Zbl 1136.68047号
[31] 李，C。；李，Z.X。；郑晓强。；马，H。；Yu，X.Q.，Lempel-Ziv复杂性的推广及其在蛋白质序列比较中的应用，J.Math。化学。，48330-338（2010年）·Zbl 1196.92014号
[32] 郑，X。；李，C。；Wang，J.，基于复杂度的度量及其在系统发育分析中的应用，J.Math。化学。，46, 1149-1157, (2009) ·Zbl 1197.92038号
[33] 郑，X。；李，C。；Wang，J.，《蛋白质结构类预测的信息理论方法》，J.Compute。化学。，31, 1201-1206, (2010)
[34] Zhang，Y。；Hao，J.K。；周春杰。；Chang，K.，归一化Lempel-Ziv复杂性及其在生物序列分析中的应用，J.Math。化学。，46, 1203-1212, (2009) ·兹比尔1197.92020
[35] Yang，L.P。；Chang，G.S。；Zhang，X.D.，使用Burrows-Wheeler相似性分布比较蛋白质，氨基酸，39，887-898，（2010）
[36] 卡林，S。；Burge，C.，《二核苷酸相对丰度极值：基因组特征》，《遗传学趋势》。，11, 283-290, (1995)
[37] Hao，B.L。；齐，J。；Wang，B.，基于无序列比对的完整基因组的原核系统发育，现代物理学。莱特。B、 17、1-4、（2003）
[38] 齐，J。；王，B。；Hao，B.L.，《无序列比对的全蛋白质组原核生物系统发育：a（k）-字符串合成方法》，《分子生物学杂志》。，58, 1-11, (2004)
[39] 高，L。；齐，J。；Sun，J.D。；Hao，B.L.，原核生物系统发育与分类学：组成载体树与系统细菌学的详尽比较，Sci。中国生命科学。，50, 587-599, (2007)
[40] Wang，H。；徐，Z。；高，L。；Hao，B.L.，基于82个完整基因组的真菌系统发育研究，使用合成向量方法，BMC Evol。生物学，195，1-13，（2009）
[41] 戴奇。；Wang，T.，蛋白质的（k）字统计度量的比较研究：从序列到“序列空间”，BMC生物信息学，9，394，（2008）
[42] 戴奇。；刘晓强。；Yao，Y.H。；Zhao，F.，词频的数值特征及其在序列比较中的相异性度量中的应用，J.Theoret。生物学，276174-180，（2011）·Zbl 1405.92213号
[43] 吴晓明。；蔡，Z。；Wan，X.F。；Hoang，T。；Goebel，R。；Lin，G.H.，使用全基因组进行HIV-1亚型中的核苷酸组成字符串选择，生物信息学，231744-1752，（2007）
[44] Zhang，Y。；王，X。；Kang，L.，预测蝗虫吡喃和表征蝗虫吡喃的A（k）-mer方案，生物信息学，271771-776，（2011）
[45] 杨晓伟。；Wang，T.M.，基于单词计数的序列比较的一种新的统计方法，J.Theoret。生物学，291-100，（2013）·Zbl 1406.92477号
[46] 于小强。；郑晓强。；Meng，L.Y。；李，C。；Wang，J.，基于支持向量机的聚合酶链反应成功预测方法，Comb。化学。高通量屏幕，15486-491，（2012）
[47] 刘，Z。；孟，J。；Sun，X.，《一种新的基于特征的无比对全基因组系统发育分析方法：在HEV基因分型和亚型中的应用》，《生物化学》。生物物理学。Res.Commun.公司。，368, 223-230, (2008)
[48] 丁世勇。；戴奇。；刘海明。；Wang，T.M.，DNA序列系统发育分析的简单特征表示载体，J.Theoret。生物学，265618-623，（2010）
[49] 黄Y.J。；Yang，L.P。；Wang，T.M.，基于广义伪氨基酸组成的DNA序列系统发育分析，J.Theoret。生物学，269217-223，（2011）·Zbl 1307.92286号
[50] Walczak，B。；马萨特，D.L.，《粗糙集理论教程》，化学计量学。智力。实验室系统。，47, 1-16, (1999)
[51] 胡庆华。；赵，H。；谢振新。；Yu，D.R.，基于一致性的属性约简，（PAKDD，计算机科学讲义，第4426卷，（2007）），96-107
[52] C.Z.Wang，W.Du，《关于覆盖粗糙集属性约简》，载于：2010年第二届WRI全球智能系统大会，2010年第2卷，第96-99页。
[53] Wang，C.Z。；Chen，D.G。；胡庆华，序信息系统在同态下的一些不变性质，科学。中国信息科学。，53, 1816-1825, (2010) ·Zbl 1497.68471号
[54] 姚，P.P。；朱海平。；邓，X.Z。；徐，F。；谢瑞华。；姚明。；翁，J.Q。；Zhang，Y。；杨振强。；朱志勇，浙江省汉坦病毒分子进化分析，中国。J.Virol。，26, 465-470, (2010)
[55] 卢，L。；李，C。；Hagedorn，C.H.，《全球戊型肝炎病毒序列的系统发育分析：遗传多样性、亚型和人畜共患疾病》，《医学评论》。，16, 5-36, (2006)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。