多序列比对

摘要： SARS-CoV-2病毒株是β属冠状病毒,它包括S、N、E、M 4个主要编码蛋白,是造成中国湖北省武汉市爆发重大公共卫生事件的罪魁祸首,目前对该病毒的系统性研究分析并不是很多.运用计算机辅助软件工具来对筛选自NCBI基因文库中的36条来自不同国家地区的SARS-CoV-2病毒株序列进行全序列比对分析,从而找出SARS-CoV-2病毒株可能存在的易变异区域,以及对所有序列的同源性及亲缘性进行分析,找出其传播径途及区域进化特点.通过对不同地区的SARS-CoV-2病毒株序列比对分析发现,SARS-CoV-2病毒株的ORF1ab蛋白编码区及S蛋白编码区存在高度变异性,为SARS-CoV-2病毒疫苗及相关药物的研制提供了相关参考.随后结合进化树和同源性进行分析发现,流行于美国等地区的SARS-CoV-2病毒与中国武汉发现的SARS-CoV-2病毒虽然有着相同的祖先,但其进化分支却是不同的,为SARS-CoV-2病毒的追根溯源提供了相关依据.

摘要： 协议聚类是协议逆向工程技术中非常重要的一步,针对二进制协议更加透明且满足的协议种类更加广泛的特点,提出了一种基于基因和蛋白质生物信息的二进制协议聚类方法,能够从原始序列角度对大量协议直接进行聚类.本文方法首先将原始二进制报文转化成四进制基因形式,使用快速聚类方法计算碱基两两组合的k-seed值生成距离矩阵,并用UPGMA计算最小距离生成树得到初始分簇;其次,将每一簇四进制协议报文转化成十六进制蛋白质链,得到序列更有语义的方式并采用基于改进mBed算法的聚类方法将其进行高精度聚类.通过对已知和未知协议单纯和混合场景下的测试表明,该方法能够对二进制协议实现高效并且高准确率的聚类,具有较高的应用价值.

摘要： 为了更好地区分不同羊肚菌菌株,确定其生物多样性,对10个栽培羊肚菌和12个野生羊肚菌进行分析。通过对5个基因区域进行DNA测序,借助数据库检索、多序列比对和分子进化等方法进行分析,发现10种栽培样本属于3种已知物种:六妹羊肚菌(Morchella sextelata)、梯棱羊肚菌(M.importuna)、七妹羊肚菌(M.septimelata)。同GenBank核苷酸序列数据库中已测序样本相比,这些样本都含有一定程度的序列差异,体现在栽培的样本也具有遗传多样性。12个野生型样本同六妹羊肚菌、小海绵羊肚菌(M.spongiola)、Morchella prava物种更接近,并显示出较大的序列差异,其中1株同所有已知羊肚菌品种均有较大的遗传差异。考虑到这些野生羊肚菌的生长地域同其他羊肚菌生长地域的差异,推断由于独特的地理环境,使野生羊肚菌演化出了特有的基因序列。本研究获得了青海一些地区羊肚菌的分类、分子演化和多样性特征,有助于鉴定、选育适合栽培的羊肚菌菌株。

摘要： 多序列比对在序列分析研究中起着重要的作用,包括功能重要位点的识别和系统发育分析等问题。目前大多数比对软件都使用渐进比对或迭代比对的策略,但两种策略都具有较高的时间复杂度,因此难以处理长序列和大规模序列的比对问题。而星比对虽然具有很低的时间复杂度,但精度并不理想,目前只适用于相似度非常高的序列。针对此问题,引进了渐进比对中的profile比对来改进星比对算法的精度,同时避免大幅度地增加星比对的时间复杂度。最后,通过实验证明了改进的星比对算法可以有效地提高比对的精度。

摘要： 协议逆向广泛应用于入侵检测系统、深度包检测、模糊测试、僵尸网络检测等领域.首先给出了协议逆向工程的形式化定义和基本原理,然后针对网络运行轨迹的协议逆向方法和工具从协议格式提取和协议状态机推断两个方面对现有的协议逆向方法进行了详细分析,阐释其基本模块、主要原理和特点,最后从多个角度对现有算法进行了比较,对基于网络流量的协议逆向技术的发展趋势进行了展望和分析.

摘要： 蛋白质结构可以由残基间距离和主干二面角确定,精确预测残基间距离和二面角有助于蛋白质从头建模.为了提升蛋白质结构预测的精度,提出了距离约束和二面角优化的蛋白质结构预测方法.首先,基于HHblits和Jackhmmer搜索序列数据库以获取蛋白质多序列比对;进而,提取序列频率谱、位置熵、互信息、去除背景噪声的互信息、协方差矩阵、接触势能和CCMpred计算的耦合分数等特征;然后设计深度残差神经网络和长短时记忆网络,预测残基间距离和主干二面角;最后,开发了基于能量极小化的结构建模优化方法GCPFold.在80个测试蛋白上的实验结果表明,GCPFold方法可以有效折叠蛋白质结构.

摘要： 木聚糖1,4-β-木糖苷酶(EC 3.2.1.37)是一种外切水解酶,近年来该酶在工业上的使用越来越广泛,目前对于木聚糖1,4-β-木糖苷酶结构的研究相对缺少。为了分析木聚糖1,4-β-木糖苷酶的进化关系以及结构差异,利用MEGA X 10.1.8进行木聚糖1,4-β-木糖苷酶基因序列多序列比对,构建系统进化树,结果分析显示木聚糖1,4-β木糖苷酶可分为两大类,从中筛选出12条代表性序列进行氨基酸序列多序列比对,发现只有15个较保守位点,在进化上呈现不保守的特点。利用生物信息学工具预测分析12条序列对应的酶的理化性质、信号肽,预测结果表明所有酶都表现为亲水性,有胞内与胞外两种分泌方式。利用Modeller 9.24以及Phyre 2进行三级结构建模,根据建模结果木聚糖1,4-β-木糖苷酶分为β-折叠桶、碗状结构、(α/β)_(8)桶状结构三种代表性结构,利用分子对接辅助结合口袋大小计算,推测底物的大小对其特征结构的形态存在一定程度的影响。基于木聚糖1,4-β-木糖苷酶结构规律的研究,可以精确设计点突变,降低盲目性,获得需要的理化性质,为木聚糖1,4-β-木糖苷酶的改造提供生物信息学指导,其次为进一步的木聚糖1,4-β-木糖苷酶结构与功能关系研究提供基础,进一步拓宽对木聚糖1,4-β-木糖苷酶在食品、医药等领域应用。

摘要： 本文介绍欧洲分子生物学开放软件包EMBOSS序列分析程序应用实例.第1节简单介绍EMBOSS软件包的概况和基本用法.第2节介绍格式转换、序列提取、序列变换和序列显示等常用序列处理程序.第3节介绍序列比对程序,包括双序列比对、多序列比对和点阵图程序.第4节介绍常用核酸序列分析程序,可用于核苷酸组分统计、开放读码框分析、CpG岛识别、密码子使用统计和重复序列寻找等.第5节介绍常用蛋白质序列分析程序,包括氨基酸组分统计、序列特征位点识别、二级结构分析等.文中结合教学实例,选择部分常用程序,给出具体运行方式,并扼要说明分析结果的生物学意义.文末对程序运行过程中需要注意的地方加以讨论,并用表格列出部分常用程序的名称和用途,以便读者查阅.

摘要： 鬼伞是一类菌柄能在短时间内快速伸长并且伞盖易自溶形成墨汁的蘑菇,菌柄在伸长过程中细胞壁以伸长生长为主,细胞壁组分β-1,3-葡聚糖发生重构修饰,GH72家族的β-1,3-葡聚糖转移酶能够将较低聚合度的寡糖转化生成更高聚合度的糖链.β-1,3-葡聚糖转移酶可能参与鬼伞菌柄细胞壁中β-葡聚糖组分的重构修饰.以完成测序并有注释信息的灰盖拟鬼伞(Coprinopsis cinerea)、拟鬼伞(Coprinopsis marcescibilis)、晶粒小鬼伞(Coprinellus micaceus)和小脆柄菇(Psathyrella aberdarensis)等4种鬼伞的 β-1,3-葡聚糖转移酶的氨基酸序列为基础,采用TargetP、WOLF PSORT、SignalP、Sompa、TMHMM2.0、Big-PI Fungal Predictor、MEME和SISS-MODEL等生物信息学分析工具对其开展蛋白质亚细胞定位、细胞信号肽、二级结构、跨膜螺旋、糖基化磷脂酰肌醇(GPI)锚定位点、基序以及三级结构等进行分析,同时对上述序列开展遗传进化关系分析.研究结果可为进一步深入开展该蛋白在菌柄伸长过程中细胞壁β-葡聚糖组分的重构修饰研究作基础.

摘要： METTL21C蛋白作为甲基转移酶参与多种细胞进程的翻译后修饰,在生命活动中发挥重要的调控作用。从蛋白质信息数据库UniprotKB中选取36个不同代表物种的METTL21C蛋白作为研究对象,理化参数分析显示一级序列中氨基酸残基个数差异较大,平均为254个氨基酸残基,大多为偏酸亲水性蛋白。系统进化树显示36种METTL21C蛋白共分为哺乳类、爬行类、鸟类和鱼类4支,与物种的亲缘进化关系基本吻合。多序列比对和motif分析结果表明不同物种METTL21C蛋白的序列相似度较高,10个motif序列几乎覆盖了全长多肽链,大都含有motif 1~motif 5,但N端序列差异较大,在哺乳动物中包含特有的motif 7、motif 8和motif 10,而在多种鸟类中有大段序列缺失。结构对比分析发现不同物种METTL21C蛋白的空间构象绝大部分区域近乎完全重叠,仅少部分自由度较高的局部肽段有一定程度的差异,表明不同物种METTL21C在进化过程中一级序列有一定的差异,但是空间结构极为相似。以人METTL21C为蛋白质互作网络中心,直接相关蛋白质共11种,间接相关蛋白质共9种,说明METTL21C直接或间接参与多种细胞进程,调控机体的生命活动,为进一步深入研究METTL21C的生物学功能及其分子机制提供了理论基础。

摘要： 多序列比对是生物信息学研究中最基本的一项内容,多序列比对的精确算法是一个NP-hard问题,一般研究者都侧重于设计多序列比对近似算法,最有代表性的近似算法是ClustalW;分而治之是一种重要的算法设计思想,它将复杂问题分割成更简单的子问题来解决,能有效提高算法效率.本文设计了一个DCA-ClustalW算法,对多序列比对问题,同时考虑从纵向和横向两个方面将复杂问题分割成简单易解的子问题,在BaliBase基准数据集上测试表明,该算法是可行的.

摘要： 多序列比对(Multiple Sequence Alignment)进行生物序列分析的最基本任务之一.在对已有的多序列比对算法进行对比分析的基础上,提出了一种新的多序列比对优化算法-带变异算子粒子群多序列比对算法.带变异算子的粒子群算法提高了原有算法跳出局部收敛的能力,将其应用于多序列比对问题中,提高了已有的基于粒子群算法的多序列比对方法的性能,拓展了粒子群算法在多序列比对研究领域中的应用.实验证明,带变异算子粒子群多序列比对算法是有效、可行的.

摘要： 生物信息学的突出特点是要处理海量的蛋白质序列和基因序列.由于计算机本身的运算速度和存储空间有限,迫切需要用有效的算法对现有大量的生物数据进行加工和处理.多序列比对是生物序列分析的重要研究内容之一。但是多序列比对是世界公认的NP问题,对于实际中遇到的问题规模而言,求解最优解是不可能的,不过这并不妨碍寻找到对于实际研究有意义的近似最优解.在研究遗传算法基础上,针对多序列比对问题的特点。指出现有遗传算法应用到多序列比对中存在的问题,提出一种对现有遗传算法的改进策略,即根据问题所要求解的目标,设计一种新的个体评价标准。对生物序列数据进行了比对实验,通过对比算法改进前后的实验结果,证明改进算法具有更快的运算速度。

摘要： 多序列比对是一种重要的生物信息学工具,在生物的进化分析以及蛋白质的结构预测方面有着积极的意义.以clustalw为代表的渐进式多序列比对算法在这个领域取得了很大的成功,成为应用最为广泛的多序列比对程序.但是当比对数目比较多的时候,时间仍然比较长,本文设计一种的clustalw并行算法,给出计算实例,并分析了比对效率和加速比.

摘要： 本文针对序列比对问题进行研究，利用用免疫遗传算法来解决序列比对问题。通过对具体数据进行的试验，对更新后的免疫遗传算法的细节进行了分析，并把此更新的算法与传统的用遗传算法来解决序列比对问题的方法进行比较，对比两种算法在结果质量上的差别，得出了把免疫算法加入到遗传算法后可以更好地避免未成熟收敛，并使结果在更小的迭代次数内更好的趋近最优解的结论。

摘要： 基于计算机可用数学方法进行描述生物学系统的理解上,产生了生物信息学,(又称计算生物学).本文讨论生物学与信息科学在各层次上的交叉、结合,详细介绍生物信息学的研究对象

摘要： 基于计算机可用数学方法进行描述生物学系统的理解上,产生了生物信息学,(又称计算生物学).本文讨论生物学与信息科学在各层次上的交叉、结合,详细介绍生物信息学的研究对象

摘要： 基于计算机可用数学方法进行描述生物学系统的理解上,产生了生物信息学,(又称计算生物学).本文讨论生物学与信息科学在各层次上的交叉、结合,详细介绍生物信息学的研究对象

摘要： 基于计算机可用数学方法进行描述生物学系统的理解上,产生了生物信息学,(又称计算生物学).本文讨论生物学与信息科学在各层次上的交叉、结合,详细介绍生物信息学的研究对象

摘要： 基于计算机可用数学方法进行描述生物学系统的理解上,产生了生物信息学,(又称计算生物学).本文讨论生物学与信息科学在各层次上的交叉、结合,详细介绍生物信息学的研究对象

摘要： 本发明公开了一种基于GPU的序列比对算法的比对结果处理方法，包括：初始化GPU的块大小为Bs，并确定线程数量为N，用户输入的待查询序列Q的长度为qlen，GPU在共享内存中建立分值缓冲区score[Bs]和比对结果缓冲区val[Bs*17][2]，GPU初始化线程号为tid，score[]为零，val[][]为零，缓冲器标记p＝1，段计数器s＝0，线程号tid小于线程数量N的所有线程在纹理内存中查找相应的数据库序列，并将数据库序列的序列号sid设置为线程号tid，设置计数器i＝0，每个线程分别取出相应数据库序列中的第i个字符，设置计数器j＝s，每个线程分别取出待查询序列Q中的第j个字符。本发明能实现Smith-Waterman算法快速打分，且能高效直观地写回比对结果，从而为回溯部分获取最佳匹配片段提供分值矩阵。

摘要： 本发明公开了一种基于GPU的序列比对算法的比对结果处理方法，包括：初始化GPU的块大小为Bs，并确定线程数量为N，用户输入的待查询序列Q的长度为qlen，GPU在共享内存中建立分值缓冲区score[Bs]和比对结果缓冲区val[Bs*17][2]，GPU初始化线程号为tid，score[]为零，val[][]为零，缓冲器标记p＝1，段计数器s＝0，线程号tid小于线程数量N的所有线程在纹理内存中查找相应的数据库序列，并将数据库序列的序列号sid设置为线程号tid，设置计数器i＝0，每个线程分别取出相应数据库序列中的第i个字符，设置计数器j＝s，每个线程分别取出待查询序列Q中的第j个字符。本发明能实现Smith-Waterman算法快速打分，且能高效直观地写回比对结果，从而为回溯部分获取最佳匹配片段提供分值矩阵。

摘要： 本发明提供了一种序列比对方法、序列校正方法及其装置，涉及生物信息技术领域。该序列比对方法主要包括区间比对、碱基比对，配合序列压缩、比对结果优化存储手段，实现了高效、高准确度的比对。该序列校正方法是基于比对结果，通过正序计分、反序回溯，进一步的对低质量区进行校正，实现高效、高准确度的比对。

摘要： 本发明公开了一种基于状态序列比对的时间序列距离度量方法，包括：利用回声状态网络分别将待比对的两个原始时间序列的每个时间点的观测信息转换为隐含状态，从而获得两个状态序列；计算两个状态序列的距离，并作为两个原始时间序列的距离。本发明上述方案利用回声状态网络，将原始时间序列转换为状态序列，每个时间点的状态反映了当前时间点及之前的序列，从而考虑了时序信息；利用时间序列比对计算距离，不需要要求足够大的数据量，同时对时间序列的局部特征检测显著。

摘要： 本发明提供一种基于对比对抗训练的日志序列异常检测方法，包括训练和检测两个阶段。训练阶段包括对日志数据进行解析；获取日志序列并提取出一个负样本日志序列集合；判断检测模型的损失是否趋于稳定，如果趋于稳定，则使用FGM进行对抗训练扰动BERT的嵌入层；将正、负样本日志序列输入到模型中，生成被扰动的语义向量后取消对嵌入层的扰动，再次生成未被扰动的语义向量；使用对比学习并且继续保持原本的有监督训练任务来对模型进行训练；判断训练集中是否已经没有日志序列，如果判断没有需要训练的日志序列则停止训练。检测阶段包括将待检测的日志序列输入到训练后的日志序列异常检测模型，查看模型的输出，根据输出结果判断日志序列是否异常。

摘要： 本发明公开了一种数据集列序列化的高效连接比对实现方法及装置。其中方法包括根据数据集A和数据集B的变量，挑出数据集A和数据集B的连接列；对数据集A包含的各连接列合并，以及各非连接列合并得到数据集A′；对数据集B包含的各连接列合并，以及各非连接列合并得到数据集B′；比对数据集A′与数据集B′连接列，根据比对结果，将数据集A′和数据集B′合并为数据集C；根据非连接列数据来源，对数据集C的非连接列进行排列组合，获得数据集A与数据集B的连接结果。本发明将数据集的多个变量合并成一个，使原本需要多列比对的数据，通过一列比对就能完成，缩短了比对的时间；并且，本方法不需要进行对象的排序，减少了排序的性能开销。

摘要： 本发明提供一种基因序列非比对方法、装置和电子设备，其中基因序列非比对方法，包括：基于预设非比对原则，将参考基因序列转换为目标氨基酸序列；其中，所述预设非比对原则用于将所述参考基因序列划分为目标碱基组且基于所述目标碱基组确定所述目标氨基酸序列；基于预设k‑mer模型，确定所述目标氨基酸序列的目标k‑mer特征向量；其中，所述预设k‑mer模型用于基于所述目标氨基酸序列中连续k个目标氨基酸的频率确定所述目标k‑mer特征向量；根据所述目标k‑mer特征向量，确定所述参考基因序列的距离矩阵，以构建发育树。使用本发明方法，能够通过无比对的基因组分类方式实现提高基因组进化分析的效率及准确率的目的。

摘要： 本发明公开了一种基于多序列比对的酶序列生成方法、装置、介质和设备。该酶序列生成方法包括：从序列数据库中筛选出与目标酶的完整氨基酸序列相似的若干条相似氨基酸序列；将完整氨基酸序列和若干条相似氨基酸序列进行多序列比对处理，获得若干条对齐氨基酸序列，其中各条对齐氨基酸序列的长度相同；将若干条对齐氨基酸序列作为训练样本对预先构建好的生成式对抗网络模型进行训练，获得氨基酸序列生成模型；利用氨基酸序列生成模型生成目标酶的多条扩展氨基酸序列。通过筛选相似的天然氨基酸序列并进行多序列比对处理，模型可以充分学习到并保留氨基酸序列中的关键位点信息，这样利用模型生成全新的氨基酸序列中具有酶活性的比例更高。

摘要： 本发明提供了一种基于改进生物地理学优化算法的多序列比对方法及系统，包括：数据采集模块，被配置为：获取原始多序列数据；对比模块，被配置为：依据原始多序列数据，以及预设的隐马尔科夫模型，得到比对结果；其中，所述隐马尔科夫模型中，将每一个栖息地看作是一条隐马尔科夫链，利用改进生物地理学优化算法优化所述隐马尔科夫模型中存在的参数；本发明针对基因多序列比对问题，在HMM模型中，每一个栖息地看作是一条隐马尔科夫链；然后利用改进的算法MPBBO优化HMM模型中存在的参数，不断提高比对的精度；改进的MPBBO算法具有较强的全局探索能力、局部开发能力和收敛速度较快的特点；能获得较为精确的基因序列比对结果。

摘要： 本发明属于生物信息学技术领域，具体涉及一种基因多序列比对方法、设备和系统。本发明的基因多序列比对方法包括如下步骤：步骤1，设置模板信息，所述模板信息包括待分析基因的模板序列、保守基序位置和保守基序长度；步骤2，根据步骤1的模板信息作为参照，对待分析序列进行校正和多序列全局比对，形成数据集。本发明还提供应用上述基因多序列比对方法的设备和系统。本发明的技术方案能够大大减少基因多序列比对的工作量，显著提高多序列比对工作的效率。因此，具有很好的应用前景。