dna序列比对终极版符程序2.docVIP

DNA序列的分类和比对 摘要 问题一：利用MATLAB对24个DNA序列进行两两对比，将第i个与i后面的所有序列进行比较（i=1,2......24），筛选出相似度85%的比对序列分为同一类。 问题二：为了从题目中的24个碱基对的DNA序列中找出含有52个碱基对的新序列CTACCGCCTCGGAAACGGCGTGTGTGGAATTGTGGCATTAAATTCTTTCACT的进化来源，本文用了递推序列比对法，利用MATLAB软件，将新序列与24个DNA序列化为矩阵形式，将新序列从左到右以单位1的间隔移动，每移动一次，就将重叠部分的碱基比对一次。最后找出相似度最高的DNA序列。 关键词：序列比对 MATLAB 子序列 矩阵 相似度 一、问题重述 下面的24个DNA序列（附录一）是来自不同物种的一个基因片段，请将它们分类。另外，如果有一个新的序列 “CTACCGCCTCGGAAACGGCGTGTGTGGAATTGTGGCATTAAATTCTTTCACT” 请判断它最可能是哪个序列的一部分进化来的。 问题分析 问题一：利用MATLAB对24个DNA序列进行两两对比，将第i个与i后面的所有序列进行比较（i=1,2......24），筛选出相似度较高的序列分为同一物质。利用MATLAB设计程序，将24个DNA序列两两比较：先用与进行比较，再用与比较，以此类推，直到比对完。 问题二：将所有序列用一维矩阵形式表示，由于新序列只有52个碱基对，故对DNA序列进行分割后，相减得到一维矩阵。一维矩阵里的元素中，0代表重叠部分。其他不为0的元素均代表不重叠部分。根据元素0的分布，很容易可以看出相同碱基对的连续性。选择标准：若两个0相邻则附值1，间隔1赋值0.5^1，间隔2赋值0.5^2，以此类推。直到间隔数大于5时，则将它剔除。以此标准将各个赋值相加。最后比较相似度（S=L/52*100%）大小得出结论。 三、问题假设 假设一：所有碱基对都准确无误； 假设二：不考虑碱基序列的非编码区和编码区的区别； 假设三：将DNA序列中除A、T、G、C外的碱基进行转化，对结果没有影响 四、符号说明 M 新序列矩阵 第i个DNA序列 J 重叠部分相减得到的矩阵 S 相似度 L 连续性程度 模型的建立与求解 5.1 模型一 5.1.1 模型的建立 1、利用MATLAB设计程序，将24个DNA序列两两比对：先用与进行比对，再用与比对，以此类推，直到比对完。 2、比对方法 举例子：新序列CAT；已知序列ATTGCATCCGT 比对： A T G C T A T 1 C T A 2 C T A 3 C T A 4 C T A 5 C T A 3、相同碱基判断方法：按以上方法一一比对，将重叠部分相减得矩阵J。提取出含0元素最多的矩阵，再用这个矩阵中0元素的个数除以两个比对序列中较短的碱基个数，从而的到相似度。 2、 计算出各个比对的相似度，提取出相似度大于等于85%的比对，定义为同类DNA序列。 5.1.2 模型一的求解 1、利用MATLAB（程序一）得到，各个比对的相似度为： 1 2 3 4 5 6 7 8 9 10 11 12 1 1 2 0.4236 1 3 0.2609 0.4481 1 4 0.4386 0.33 0.5043 1 5 0.4213 0.6037 0.3858 0.6143 1 6 0.4232 0.3213 0.5595 0.4677 0.4749 1 7 0.4302 0.2752 0.5769 0.6786 0.4544 0.3113 1 8 0.2756 0.2795 0.5057 0.4171 0.3054 0.4878 0.453 1 9 0.4205 0.2948 0.3121 0.3266 0.4436 0.3035 0.3107 0.3136 1 10 0.4136 0.3205 0.4963 0.5199 0.4668 0.4712 0.4786 0.4756 0.3885 1 11 0.3806 0.6614 0.2835 0.4386 0.3376 0.6055 0.2991 0.2855 0.4523 0.4948 1 12 0.3132 0.6614 0.2835 0.2843 0.2894 0.2812 0.2991 0.2855 0.4523 0.4948 1 1 13 0.287