遗传密码与DNA序列高维空间数字编码.pdf

生物物理学报 第十六卷 第四期 二 ○○○年十二月 ACTA BIOP HYSICA SINICA Vol . 16 No. 4 Dec. 2000 遗传密码和 D NA 序列的高维空间数字编码 1 2 3 1 1 陈惟昌 , 陈志华 , 陈志义 , 王自强 , 邱红霞 ( 1. 中日友好临床医学研究所生物物理研究室, 北京 100029 ; 2. 中日友好临床医学研究所生物化学与分子生物学研究室, 北京 100029 ; 3. 中国科学院自动化研究所国家模式识别实验室, 北京 100080) ( ) ( ) ( ) ( ) 摘要 : 二进制数字化编码是信息科学最基本的编码方式。用 0 00 、1 01 、2 10 和 3 11 4 ( ) 个数码对 4 种碱基 C 、T 、A 、G 进行二进制数字编码 ,共有 24 种可能的编码组合 ,其中 8 种满足碱 基互补法则 ,它们是拓扑等价的。按碱基分子量大小排列的编码格式:0123/ C TA G 是最理想的编码 ) 格式。用二进制数对 DNA 的字符序列进行编码,有以下优点 : 1 压缩信息冗余度 ,提高编码效率 ; 2) 可以对碱基的结构、功能基团、碱基互补、氢键强弱等性质进行编码; 3) DNA 序列的数字编码具 有严格的大小顺序 , 即具有全序性质; 4) DNA 数字编码的对称性程度 , 与遗传密码简并度的对称 性一致 , 并可得出氨基酸遗传密码的高维空间连通性简并法则; 5) 可以方便求出任意碱基重复单 ) 元的重复系列的数字编码法则; 6 根据高维空间汉明编码距离的定义 ,可以确定任意多个 DNA 序 列之间的信息距离和它们的交空间和并空间 , 对 DNA 序列生物信息学的分析研究有重要意义; 7) DNA 序列的数字编码可以方便进行各种数学运算和逻辑运算 ,对促进 DNA 生物计算机的发展 ,可 有重大推动作用。 关键词 : 数字编码 ; DNA 序列 ; 遗传密码 ; 高维空间 ; 汉明距离 ; 生物计算机 ( ) 中图分类号: Q617 文献标识码 : A 文章编号 : 1000 - 6737 2000 04 - 0760 - 09 1 D NA 序列数字化编码的生物信息学意义 DNA 序列是生物遗传信息的载体。人类基因组计划已基本完成。DNA 序列的数据库已经 积累了数十亿年以来生物进化的大量数据资料 , 破译这些 DNA 序列密码的生物学意义 , 弄清 DNA 序列与生物进化 ,细胞功能 ,遗传机理和疾病发生的关系 , 已是目前生物信息论学家和数 学家的迫切而艰巨的任务[1 ] 。在分析DNA 序列的过程中 ,对 DNA 序列进行数字化编码具有 十分重要的意义。数字化是当前信息革命的主要趋势。在信息论中已经知道,信息的最基本的 ( ) 编码方式是二进制数字编码 binar y