检索结果-南通市图书馆

Journal of Ocean University of China 2022年第6期21卷 1633-1640页

作者： CHAI Wenjing SONG kai School of Mathematics and Statistics Qingdao UniversityQingdao 266071China

Non-coding RNAs(ncRNAs)play important roles in the regulation of many biological processes,such as transcription initiation and epigenetic modifications that occur after transcription and development.Several novel transcripts have been identified via high-throughput sequencing.However,identifying ncRNAs among the transcripts of novel species using alignment-based features is difficult.Thus,developing a fast and accurate method based on alignment-free features to identify ncRNAs among novel transcripts is necessary.In this study,we proposed a new approach,namely,coding potential prediction based on alignment-free features(CPAF),to identify ncRNAs among a large number of candidates.CPAF used four types of features:Fickett score;Hexamer score;composition,transition,and distribution features;and modified k-mer.From the results,CPAF performed better than previous state-of-the-art methods in predicting ncRNA transcripts,with particular reference to small ncRNAs.Finally,we applied CPAF to identify ncRNAs in Pacific oyster transcripts.Our approach identified more ncRNAs than other previously used methods.

关键词： Non-coding RNA alignment-free k-mer transcripts

The statistical power of k-mer based aggregative statistics for alignment-free detection of horizontal gene transfer

在线全文

学校读者我要写书评

暂无评论

Synthetic and Systems Biotechnology 2019年第3期4卷 150-156页

作者： Guan-Da Huang Xue-Mei Liu Tian-Lai Huang Li-C.Xia School of Physics and Optoelectronics South China University of TechnologyGuangzhou510640China Department of Medicine Stanford University School of MedicineStanfordCA94305USA

Alignment-based database search and sequence comparison are commonly used to detect horizontal gene transfer(HGT).However,with the rapid increase of sequencing depth,hundreds of thousands of contigs are routinely assembled from metagenomics studies,which challenges alignment-based HGT analysis by overwhelming the known reference sequences.Detecting HGT by k-mer statistics thus becomes an attractive alternative.These alignment-free statistics have been demonstrated in high performance and efficiency in wholegenome and transcriptome comparisons.To adapt k-mer statistics for HGT detection,we developed two aggregative statistics T^(S)_(sum ) and T^(*)_(sum),which subsample metagenome contigs by their representative regions,and summarize the regional D^(S) _(2) and D^(*)_(2)metrics by their upper bounds.We systematically studied the aggregative statistics’power at different k-mer size using simulations.Our analysis showed that,in general,the power of T^(S)_(sum) and T^(*)_(sum) increases with sequencing coverage,and reaches a maximum power>80%at k=6,with 5%Type-I error and the coverage ratio>0.2x.The statistical power ofT^(S)_(sum) and T^(*)_(sum) was evaluated with realistic simulations of HGT mechanism,sequencing depth,read length,and base error.We expect these statistics to be useful distance metrics for identifying HGT in metagenomic studies.

关键词： Alignment-free sequence comparison k-mer Horizontal gene transfer Statistical power

Analysis method and algorithm design of biological sequence problem based on generalized k-mer vector

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Applied Mathematics(A Journal of Chinese Universities) 2021年第1期36卷 114-127页

作者： LIU Wen-li WU Qing-biao Department of Mathematics Zhejiang UniversityHangzhou 310027China Zhejiang Provincial key Laboratory of Horticultural Plant Integrative Biology Zhejiang UniversityZijingang CampusHangzhou 310012China

k-mer can be used for the description of biological sequences and k-mer distribution is a tool for solving sequences analysis problems in bioinformatics.We can use k-mer vector as a representation method of the k-mer distribution of the biological sequence.Problems,such as similarity calculations or sequence assembly,can be described in the k-mer vector space.It helps us to identify new features of an old sequence-based problem in bioinformatics and develop new algorithms using the concepts and methods from linear space theory.In this study,we defined the k-mer vector space for the generalized biological sequences.The meaning of corresponding vector operations is explained in the biological context.We presented the vector/matrix form of several widely seen sequence-based problems,including read quantification,sequence assembly,and pattern detection problem.Its advantages and disadvantages are discussed.Also,we implement a tool for the sequence assembly problem based on the concepts of k-mer vector methods.It shows the practicability and convenience of this algorithm design strategy.

关键词： vector space biological sequence k-mer algorithm design analysis method.

基于k-mer设计属特异性引物与特定环境中的通用引物

在线全文

学校读者我要写书评

暂无评论

基于k-mer设计属特异性引物与特定环境中的通用引物

作者：刘晓芬山东大学

学位级别：硕士

阐明微生物群落结构和多样性是分子生态学领域的一个重要问题。环境中存在各种各样的微生物,大多数微生物不能在实验室培养,故无法通过在实验室中模拟环境来培养微生物进而了解环境中的微生物构成。现有的测序工具实现了对环境中微生物... 详细信息

阐明微生物群落结构和多样性是分子生态学领域的一个重要问题。环境中存在各种各样的微生物,大多数微生物不能在实验室培养,故无法通过在实验室中模拟环境来培养微生物进而了解环境中的微生物构成。现有的测序工具实现了对环境中微生物的测序,根据测序数据可以分析环境内物种种类以及丰度。例如,对人类肠道微生物测序,可以得知物种主要分布,发现肠道微生物与人类某些疾病如糖尿病、肥胖的关系。16S rRNA基因是细菌进化和生态学研究中重要的靶标,直接对环境中16S rRNA序列进行PCR扩增和测序,可用于探索环境中细菌的多样性以及确定分类群之间的系统发育关系。16S rRNA序列分析的准确性在很大程度上取决于引物的选择,而对环境中的微生物设计引物具有很大的挑战。一方面,环境内菌属数目较多且很多序列相似性高,故在菌属序列中很难找到高特异性片段作为特异性引物。另一方面,细菌的通用引物是面向所有细菌的16S rRNA序列设计的,而特定环境不包含所有细菌,因此有必要针对特定环境设计通用引物。针对上述两个问题,本文基于k-mer开发了设计属特异性引物与特定环境中通用引物的算法。本文基于k-mer开发了设计属特异性引物的算法,目标是在目的菌属16S rRNA序列中找到特异k-mer作为特异性引物。首先,初步筛选相对特异的k-mer。然后,确定作为正向引物与反向引物的两个k-mer的邻点集所覆盖的菌属集。若二者的交集仅有目的菌属,则这两个k-mer为候选引物。最后,用Primer-BLAST工具验证其特异性并确定最终的特异性引物对。该算法对毛螺菌科内的19个菌属分别设计出多对特异性引物,它们的性质相比于用Primer-BLAST工具设计出的特异性引物更好。本文还基于k-mer开发了对特定环境设计通用引物的算法,目标是在环境中所有菌属的16S rRNA序列中找到保守k-mer作为通用引物。类似地,确定k-mer的邻点集及其覆盖的菌属集,筛选能覆盖环境中所有菌属的邻点集,将邻点集中的关键k-mer视作候选引物,并利用Testprimer工具评估其对环境中菌属的覆盖率进而确定最终通用引物。Silva数据库中的通用引物对口腔环境中菌属的覆盖率最高为85%,而上述算法设计出6对覆盖率在90%以上的通用引物。以上两个算法的创新性在于:(1)巧妙定义k-mer的邻点,即其他菌属序列中可能与之结合的k-mer。(2)提供了设计引物的新思路,初步确定可作为正向引物与反向引物的k-mer后,若这两个k-mer邻点集覆盖的菌属集的交集只有目的菌属,则这两个k-mer为候选特异性引物对。若这两个菌属集都包含环境中所有菌属,则这两个k-mer为候选通用引物对。

关键词： 16S rRNA序列特异性引物通用性引物宏基因组 k-mer

基于降噪变分自编码器的SNP位点与药物关联预测算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Journal of Measurement Science and Instrumentation 2022年第3期13卷 300-308页

作者：宋晓宇冯小蓓朱林刘童吴鸿阳李一凡兰州交通大学电子与信息工程学院甘肃兰州730070 兰州蓝鲸信息技术有限公司甘肃兰州730070

单核苷酸多态性(Single nucletide ploymorphysim,SNP)是研究人类家族和动植物品系遗传变异的重要依据,被广泛用于群体遗传学研究和疾病相关基因的研究,在药物基因组学、诊断学和生物医学中起重要作用。在药物基因组学研究中,识别SNP位... 详细信息

单核苷酸多态性(Single nucletide ploymorphysim,SNP)是研究人类家族和动植物品系遗传变异的重要依据,被广泛用于群体遗传学研究和疾病相关基因的研究,在药物基因组学、诊断学和生物医学中起重要作用。在药物基因组学研究中,识别SNP位点与药物之间的关联关系是临床精准用药的关键。为此,提出了一种基于降噪变分自编码器和支持向量机(Denoising variational auto-encoder and support vector machine,DVAE-SVM)的SNP位点与药物关联预测模型。首先,引入k-mer算法和MACCS(Molecular access system)分子指纹对SNP位点和药物进行数字化表征,生成初始的特征向量。随后,对SNP位点的初始特征向量采用降噪变分自编码器提取有效特征。最后,将SNP位点的有效特征向量与药物初始特征向量融合输入到支持向量机中进行关联关系预测。五倍交叉验证实验结果显示,该算法预测效果好于随机森林(Random forest,RF)、逻辑回归(Logistic regression,LR)分类器、主成分分析(Principal component analysis,PCA)、去噪自编码器(Denoising auto-encoder,DAE)和变分自编码器(Variational auto-encoder,VAE)特征提取算法的预测结果。

关键词：关联关系预测 k-mer 分子指纹支持向量机降噪变分自编码器

人体皮肤微生物群落的个体特异性标记物识别与分析

在线全文

学校读者我要写书评

暂无评论

人体皮肤微生物群落的个体特异性标记物识别与分析

作者：郑艺銮厦门大学

学位级别：硕士

皮肤是人体最大的器官,与定殖在其表面的微生物共同构成了皮肤微生态系统。人与外部环境发生交互时常常伴随着微生物的转移,这些微生物能作为微生物物证为刑侦鉴定等提供辅助证据。在现有皮肤微生物标记物的研究中未发现具有时间稳定性... 详细信息

皮肤是人体最大的器官,与定殖在其表面的微生物共同构成了皮肤微生态系统。人与外部环境发生交互时常常伴随着微生物的转移,这些微生物能作为微生物物证为刑侦鉴定等提供辅助证据。在现有皮肤微生物标记物的研究中未发现具有时间稳定性、与身体部位无关的个体特异性标记物,因此,基于人体皮肤微生物群落测序数据,寻找个体特异性标记物,进行个体识别为理解人体皮肤的微生物特性提供重要的参考信息。本文针对以下两个问题进行探索:1、在皮肤微生物中是否存在着具有个体特异性、时间稳定性且与身体部位无关的菌株和遗传变异?2、如果存在,这些遗传变异可否作为微生物标记物以较高的准确率识别出宿主个体?因此,本文提出了一种针对人体皮肤微生物基因测序数据、基于k-mer频度差异对个体特异性微生物标记物进行识别的计算框架,从而在碱基水平上发现皮肤微生物中存在着具有个体特异性、时间稳定性且与身体部位无关的标记物。基于碱基序列标记物,本文设计监督学习分类模型实现在人群中的个体识别,并分别在两种皮肤微生物测序数据:健康人的皮肤宏基因组测序数据和16S rRNA基因测序数据上进行实验。对于皮肤宏基因组数据,本文基于12名健康成年人,在3个不同采样时间点、17个身体部位的616个数据,识别并组装出个体特异性微生物标记物,且在测试数据集上采用标记物的丰度(Reads Per kilo base Per Million mapped Reads RPkM)为特征,构建出决策树,通过节点判断待检测样本中的标记物丰度是否超过阈值,在决策树的叶子结点给出待检测样本的宿主个体标签。对于皮肤微生物的16S rRNA基因测序数据,虽然测序区域限制在特定区间,但基于7名健康成年人,在4个不同采样时间点、12个身体部位的329个数据,仍能根据不同个体数据间k-mer频度的差异识别出个体特异性微生物标记物,且个体能按照支持向量机在训练数据上的准确率由高到低的顺序被依次识别。实验证明本文所提出的无需配准、基于数据间k-mer频度差异的模型框架能在不同的皮肤数据中提取出与皮肤部位无关、具有时间稳定性、个体特异性且能准确区分个体的个体微生物标记物,证明了不同个体的皮肤微生物组之间存在极大的差异,在同一个体内则具有遗传一致性,且这种差异足以识别出某一个体,为法医鉴定提供了一种辅助的微生物物证。

关键词：皮肤微生物微生物标记物 k-mer 个体识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

水生动物全基因组关联分析集成平台开发

水生动物全基因组关联分析集成平台开发

作者：邓超厦门大学

学位级别：硕士

海洋被誉为“蓝色粮仓”,海洋生物为人类提供食物的能力相当于全世界所有耕地提供食物能力的1000倍,因此海洋水产养殖为人类食物提供重要保障。全基因组关联分析探索了水生动物各类性状相关的分子标记,对养殖物种的产量、质量、育种与... 详细信息

海洋被誉为“蓝色粮仓”,海洋生物为人类提供食物的能力相当于全世界所有耕地提供食物能力的1000倍,因此海洋水产养殖为人类食物提供重要保障。全基因组关联分析探索了水生动物各类性状相关的分子标记,对养殖物种的产量、质量、育种与可持续改进至关重要。在水产养殖领域,全基因组关联分析(Genome Wide Association Study,GWAS)的应用才刚刚开始,GWAS的深入应用受到了分析工具使用不便利性和参考基因组缺失的限制。因此本文开发了功能完整、使用方便的水生动物全基因组关联分析集成平台,并初步探索在不具备参考基因组序列的情况下如何基于k-mer进行单核苷酸多态性(Single Nucleotide Polymorphism,SNP)检测,并将该策略应用到鲍鱼测序数据的基因组关联分析中,具体如下:(1)针对当前全基因组关联分析工具只集成特定的有限步骤,或者需要复杂的运行环境切换和繁琐的系统配置问题,我们面对非计算机背景的生物学家开发免于安装、用户友好的可视化全基因组关联分析集成平台(AquaGWAS)。该平台集成从预处理、质量控制、连锁不平衡衰减分析、主成分分析、关联分析、检验校正、基因注释以及相关可视化等模块,并提供27种常用海洋生物的基因注释数据库,实现一键式全基因组关联分析。通过在Linux上使用C++和Qt进行软件工程设计,并将基于C,R,Perl等语言环境的不同模型和工具进行统一整合,无需安装相关模型工具包、无需环境配置和复杂参数输入,并兼容各种常用的基因型数据文件格式,并可拓展于水生动物以外的其他物种。(2)传统GWAS分析必须基于测序数据到参考基因组序列的配准结果检测SNP。但当物种基因组参考序列未知或不完整时,GWAS分析受到限制。因此基于AquaGWAS,本文对无需参考序列、免于配准的GWAS分析进行初步探索。采用传统基于配准的需要参考基因组序列策略和基于k-mer的无需参考基因组序列策略检测鲍鱼位于1号染色体上的SNP。在222个鲍鱼测序数据中,两种策略分别检测到221061和230213个SNP,其中共有180161个重合。检测到的基因分别为2048个和2068个,其中共有2046个重合。对于表型足肌湿重比(MWR)和壳长壳宽比(LWR),两种策略重合部分分别得到了 4个和5个显著相关SNP位点。除了高度一致的遗传变异外,两种策略还侧重了不同的变异情况。由于无需参考基因组序列,基于k-mer的策略可以捕获因为不完整或不准确的参考基因组序列所遗漏的变异,而基于配准的策略可以更准确的捕获基因组序列中的插入和删除(INDEL)变异。这两种策略在GWAS分析中具有明显的互补性,不仅为研究非模式生物物种、新物种或没有参考基因组序列的物种的遗传变异提供了新的选择,而且为准确、完整的GWAS分析提供了补充思路。本文所建立的AquaGWAS分析平台及对无需参考基因组的GWAS初步探索将为水产养殖的发展提供便利的工具支持和有益的模型参考。

关键词：全基因组关联分析水生动物集成平台 k-mer

基于ChIP-exo和ATAC-seq的转录因子结合位点预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于ChIP-exo和ATAC-seq的转录因子结合位点预测

作者：王奕众山东大学

学位级别：硕士

生物信息学是一门信息科学与生物学的交叉学科,主题是研究如何深入利用数学方法研究生物问题。除此之外,生物信息学的飞速发展也离不开计算机领域的技术进步。生物信息学的终极目标是揭示高通量、高复杂度的生物数据背后蕴含的生物学规... 详细信息

生物信息学是一门信息科学与生物学的交叉学科,主题是研究如何深入利用数学方法研究生物问题。除此之外,生物信息学的飞速发展也离不开计算机领域的技术进步。生物信息学的终极目标是揭示高通量、高复杂度的生物数据背后蕴含的生物学规律。特别地,在生物学和医学应用中,探索基因转录表达机制的秘密一直以来都是科学家研究的重点。深入研究转录调控机制对于人类治疗遗传疾病、发展基因工程有着重大意义。DNA双螺旋结构的发现使人类开始从分子层面探索遗传机制。之后,伴随着计算机科技的进步,人类对遗传物质和遗传机制的认识取得了突飞猛进的发展。测序技术的进步有效地提高了遗传信息的测序精度,降低了实验成本。实验研究证明,转录因子通过与DNA上特定序列结合的方式控制基因表达,这些结合位点被称为转录因子结合位点。在生物信息学中,这些转录因子结合位点通常用数学模型“模体”来表示。因此,DNA模体的发现和识别对研究基因功能、探索转录调控机制至关重要。DNA模体的发现与识别在研究转录因子结合位点的过程中起着重要作用。在过去的几十年里,已经有很多算法利用ChIP-seq数据来进行快速准确的模体发现工作。然而,利用ChIP-exo数据来进行模体发现工作的算法还比较少。ChIP-exo数据来自由ChIP-seq技术发展来的衍生技术ChIP-exo。由于ChIP-exo技术无法将ChIP信号整合到核苷酸分辨率中,因此利用ChIP-exo数据来进行转录因子结合位点识别是非常困难的。为了克服这种困难,我们提出了一个基于二阶加权的比对工具TESA。该框架采用了二项分布模型和带有ChIP-exo读取深度和序列数据的图搜索模型。TESA不但可以有效地测量在给定启动子序列中每个位置成为实际转录因子结合位点的可能性,而且能够预测具有统计学意义的转录因子序列。实验结果显示,TESA不仅显著提高了预测精度,而且扩展了现有方法的适用范围。我们将TESA应用于大肠杆菌k12基因组并且与七个现有方法进行比较,进而来评估该框架的预测性能。评估结果表明,TESA能够有效识别原核基因组中的调控模体。除了ChIP-exo技术之外,随着揭示染色质可及性的ATAC-seq技术的逐渐普及和针对ATAC-seq特有的Tn5转座酶设计的足迹搜索工具的发展,在大规模ATAC-seq数据的染色质可及性水平上挖掘模体成为可能。ATAC-seq的模体识别依赖于足迹搜索,而足迹搜索工具产生的大量短序列对现有基于ChIP-seq的从头搜索模体算法的准确性和工作效率提出了较大的挑战。因此,我们提出了一种新的基于ATAC-seq数据来进行模体发现工作的算法CEMIG。该算法利用在处理大量短序列方面有优势的德布鲁因图来准确预测并找到新的模体。通过与几种广泛流行的预测算法进行对照实验,CEMIG算法被证明在预测精度和预测鲁棒性方面具有明显的优势。

关键词：模体转录因子转录因子结合位点德布鲁因图 bookend模型 k-mer ATAC-seq ChIP-exo

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于优化k-mer频率的宏基因组聚类方法

吉林大学学报（工学版） 2018年第5期48卷 1593-1599页

作者：刘富兰旭腾侯涛康冰刘云林彩霞吉林大学汽车仿真与控制国家重点实验室长春130022 吉林大学通信工程学院长春130022 海南大学信息科学与技术学院海口570228

k-mer频率是进行宏基因组分类时的一种重要的数字特征,然而该特征的维数随参数k的增加呈指数增长,利用该特征进行宏基因组分类易陷入"维数灾难"。为解决此问题,本文提出了一种基于优化k-mer频率的宏基因组DNA序列聚类方法。首先,提取DN... 详细信息

k-mer频率是进行宏基因组分类时的一种重要的数字特征,然而该特征的维数随参数k的增加呈指数增长,利用该特征进行宏基因组分类易陷入"维数灾难"。为解决此问题,本文提出了一种基于优化k-mer频率的宏基因组DNA序列聚类方法。首先,提取DNA序列的kmer频率特征;其次,使用非负矩阵分解算法对DNA序列的k-mer频率特征进行优化;最后,利用模糊C均值算法进行聚类。将本文方法在包含有不同物种个数的模拟宏基因组数据上运行的结果表明,其能有效地克服现有宏基因组数据分类方法计算量大的缺点,且分类性能优于同类算法。

关键词：计算机应用模式识别与智能系统 k-mer 非负矩阵分解模糊C均值宏基因组

基于深度学习的病毒宿主关联预测方法研究与应用

在线全文

学校读者我要写书评

暂无评论

基于深度学习的病毒宿主关联预测方法研究与应用

作者：田真济南大学

学位级别：硕士

病毒作为一类微小的传染性病原体,依赖感染宿主细胞进行繁殖。它们不仅对人类健康构成威胁,还对许多农业和环境系统产生严重影响。因此,在病毒学、微生物学、医学等领域,研究病毒与宿主间的关联关系具有重要的应用价值。过去的研究主要... 详细信息

病毒作为一类微小的传染性病原体,依赖感染宿主细胞进行繁殖。它们不仅对人类健康构成威胁,还对许多农业和环境系统产生严重影响。因此,在病毒学、微生物学、医学等领域,研究病毒与宿主间的关联关系具有重要的应用价值。过去的研究主要采用基于生物实验的方法预测病毒宿主关联,如基因组亲和层析、RNA测序等。然而,这些传统的实验方法往往耗时耗力且成本较高,因此基于计算方法的病毒宿主预测成为研究者关注的热门课题。本课题旨在探索利用深度学习方法进行病毒宿主关联预测的可行性和有效性,设计并开发出一款预测病毒宿主关联预测系统,进一步提高病毒宿主关联预测的准确性和速度,为病毒与宿主相互作用的深入研究提供有力支持。首先,本文在四个生物信息学领域常用的数据库中收集了13190个病毒和367271个宿主基因组,并确定了4834个病毒在69个细菌属水平上的相互作用信息,将这些数据作为正样本。针对负样本不足的情况,本文采用了基于序列相似性和基于聚类的两种方法选择负样本。最终,本文得到了病毒宿主相互作用正负样本数据集。然后,本文使用了包含序列错误情况的k-mer特征提取方法,并根据不同负样本基于深度学习构建了两个病毒宿主预测模型。本文进一步对提出的两个病毒宿主预测模型进行了评估和验证,并与现有的分类方法进行了比较。实验结果表明,模型在以下设置下表现较优:k-mer特征提取采用k=5(碱基片段长度为5)、L=3(间隔距离为0、1、2),计算方式选用莱文斯坦序列相似性距离,以及选择正负样本比例为1:5。此外,本文发现这两种预测模型对于不同种类的细菌有特定的应用场景。最后,本文设计了基于Windows操作系统和Web应用程序进行病毒宿主预测的原型系统Phage HP,使用户能够更便捷地进行高通量测序数据分析和病毒宿主预测。在实验室数据的测试中,本文方法在病毒宿主预测领域达到了95%的准确率,优于其他预测工具。

关键词：病毒-宿主关联 k-mer 负样本选择深度学习