[发明专利]基于半扩展结构的核糖核酸假结结构的预测方法与装置

说明书

技术领域

本发明属于生物信息工程领域，涉及一种对核糖核酸(以下简称为RNA)的结构进行预测的方法，尤其涉及基于半扩展结构的RNA假结结构预测的方法及装置。

背景技术

RNA是生物系统内最为重要的生物大分子之一，它在生物体内行使多种功能，是合成蛋白质的模板。RNA二级结构预测用于蛋白质功能分析，是RNA三级结构预测的基础。假结(pseudoknot)是RNA中最广泛的结构单元，是非常复杂和稳定的RNA结构，假结在RNA分子中具有构造、催化和调节功能，假结结构是目前RNA结构预测研究的关键点。

RNA二级结构预测采用的方法主要有两种：早期采用的是序列对比分析方法，即对于在不同有机体中起相同生物功能的一级结构进行比较，此方法的困难之处在于：许多RNA分子的同源序列不易得到；需要大量人力，效率较低，所以目前主要采用的是最小自由能量方法。

最小自由能量算法的理论依据是稳定的二级结构的自由能量最小。基于最小自由能量算法的PKNOTS算法使用O(n⁶)时间和O(n⁴)空间计算任意的平面假结和部分非平面假结。PKNOTS算法仅能计算长度短于140个碱基的RNA序列，不能满足较长序列结构预测的需要。PknotsRG算法计算两个茎区构成的简单的嵌套假结，其中任意两个假结为并列或嵌套关系。事实上，由内环和凸起构成的假结在RNA中 普遍存在，交叉假结也具有重要作用。因此，两者都不能被忽略。平面假结是最广泛的假结子类，包含上面提到的由内环和凸起构成的假结以及交叉假结的情况。PseudoBase数据库的所有序列中仅一个序列折叠为一个非平面假结，其余序列都折叠为平面假结。因此我们主要考虑任意平面假结的计算。

Zuker首次将动态规划算法用于最邻近邻居模型提出MFOLD算法，经过二十多年的不断改进和发展，现己成为国际上最广泛使用的RNA二级结构预测方法，对于包含n个核苷酸的RNA序列，MFOLD算法使用O(n³)时间和O(n²)空间预测最优二级结构，目前对于长度小于700个核普酸的RNA序列，MFOLD算法可正确预测大约73％的基对，对于较长的RNA序列及部分子类的预测正确率更低，仅仅给出了三级结构的粗略框架，另外由于算法本身的限制，MFOLD算法不能预测假结和更复杂的三级相互作用。

发明内容

本发明解决的技术问题是使得对RNA结构、尤其是使基于半扩展结构RNA假结结构进行预测，降低其时间复杂性和空间复杂性，提高预测准确性。

本发明的一种基于半扩展结构的核糖核酸假结结构的预测方法包括以下步骤：

输入一段核糖核酸碱基序列；

定义k茎、半扩展结构；

建立包含k茎和半扩展结构的核糖核酸假结结构表示模型和相应的最小能量的计算式；

根据最小能量原理，输出核糖核酸的二级结构。

一个半扩展结构由两个核糖核酸序列片断s_i,k和s_l,j构成，i<k<l<j。两个核糖核酸序列片断中存在p和q，i<p<q<k，使s_p,q和s_l,j构成k茎，用F[i,k:j]表示其最优半扩展结构。或两个核糖核酸序列片断中存在p和q，l<p<q<j，使s_p,q和s_i,k构成k茎，F[i:l,j]为其最优半扩展结构。

以W(i,j)为子序列s_i,j对应的包含假结的二级结构S的最小自由能量，计算W(i,j)的情况包括：(1)s_i和s_j是未配对碱基；s_i和s_j不构成基对(i,j)且在不同子序列s_i,k和s_k+1,j对应的二级结构中，i<k<j；(2)s_i和s_j构成基对(i,j)；s_i,j由两个半扩展结构和一个子序列构成；或s_i,j由一个半扩展结构和一个子序列构成。